论文部分内容阅读
在多目标跟踪过程中,在对传感器探测到的量测数据进行滤波处理后,实时的发现新目标并对新目标和已有目标的运动状态进行估计。在多目标跟踪过程中可能会遇到各种复杂的环境,一些问题无法应用现有的方法进行解决。在杂波环境下进行密集目标跟踪的情况就是其中之一。在目标密集的情况下,目标量测的分布也非常密集,而位置相近的目标量测将会给目标跟踪带来很大的问题,如航迹合并和杂波密度估计偏差。相邻的航迹很容易受到其余航迹目标量测的吸引,在航迹保持近距离平行或小角度交叉的时候,目标跟踪可能出现航迹合并的现象,而且密集目标所产生的目标量测也可能使得数据关联过程中,在对航迹进行杂波估计的时候限定范围(如波门区域)中其余目标的量测被视为杂波,从而使得杂波密度的估计值过高,而过高的杂波密度估计值可能给跟踪带来困难。本文针对密集目标跟踪的这两个问题进行研究,去除位置相近的目标量测对跟踪产生的不利影响,从数据关联的角度改善航迹合并的现象,随后又对杂波密度估计方法进行研究,提出不受目标量测影响的无偏杂波密度估计算法。论文主要工作如下:(1)防止密集目标跟踪下产生的航迹合并。在目标比较密集的情况下,目标的彼此临近会给跟踪带来很大的复杂性。在目标间距较近或者小角度交叉的时候,引起来自目标的量测很容易落入公共区域,相邻的航迹都会使用这个量测来进行更新,而在航迹的波门长时间保持重叠的情况下就会容易导致航迹的趋于临近与合并。本文研究了三种防止航迹合并的方法——ENNPDA,ENNJPDA,SJPDA。三种算法防止航迹合并的基本方法是:1增大目标量测与自身航迹相关联的程度;2减小其它航迹的目标量测对航迹的影响。并且从防止航迹合并的有效性和对平常跟踪的影响两个方面对三种算法的优缺点进行了分析。实验表明,三种方法中的ENNJPDA对于防止合并非常有效,同时又不会对正常的跟踪产生影响。(2)杂波密度估计方法。通常使用概率方法来区分杂波和目标探测,而杂波密度是概率的重要参数之一。早期的目标跟踪算法都是基于数据关联,而很少对杂波和系统的噪声进行估计。一个准确的杂波密度估计结果可以为目标跟踪提供很大的用处。如果杂波密度估计结果高于真实值,将会导致在确认航迹和分离目标时的困难,而过低的杂波密度估计结果可能提高假航迹的数量。在密集目标跟踪的情况下,密集的目标量测将会大大的提高杂波密度的估计值。而已有的杂波估计方法大部分并未考虑目标量测的影响,因此,本文在研究了均匀假设估计与空间稀疏性估计方法后,在空间稀疏性估计方法的基础上提出了一种新方法,在进行杂波估计的时候去除了目标量测的影响,以得到杂波密度的无偏估计结果。实验表明,修正算法对于邻近目标的跟踪性能有着明显的改善。