论文部分内容阅读
目标跟踪技术具有非常广泛的应用,尤其是在军事领域的巡航导弹、洲际导弹精确打击,各种战机、战舰的火力控制等方面,具有极其重要的地位。在科技和工艺水平不断进步的基础上,现代雷达和传感器分辨率有了极大的提高,大型或近距目标会同时产生多个量测数据,这就产生了扩展目标跟踪的问题。扩展目标跟踪需要对目标量测进行划分,然后采用合适的滤波算法进行处理。本文主要在区间分析理论的基础上,运用箱粒子滤波算法研究了多扩展目标的跟踪问题,重点是基于箱粒子的势均衡多目标多伯努利(CBMeMBer)滤波的扩展目标跟踪问题。1、研究了扩展目标的特点和跟踪方法。具体介绍了扩展目标的特点,扩展目标的量测划分和常用的量测划分方法。2、研究了箱粒子滤波算法。箱粒子滤波是区间分析和蒙特卡洛方法结合的一种算法,是用箱粒子代替最大误差已知的点粒子。它能够有效处理具有一定误差范围的非精确量测。箱粒子滤波的一大优势是它能够用几十个箱粒子达到粒子滤波中几千个粒子的滤波精度,能极大减少运算量提高运算效率。3、针对粒子滤波实现的CBMeMBer算法为了获得准确的跟踪效果,需要对大量粒子进行计算,降低了算法运算效率的问题,本文提出了基于箱粒子的扩展目标CBMeMBer算法。仿真实验表明该算法相对传统算法能够更加准确估计目标数目,比基于粒子滤波实现的CBMeMBer减少了运算量,更加适合工程应用。4、针对CBMeMBer算法在漏检目标存在概率较大时量测弱化的问题,提出基于箱粒子滤波的IMeMBer扩展目标跟踪算法。通过在MeMBer更新步前增加一个判定步骤,很好地解决了这一问题。仿真结果表明,提出的算法具有运算时间短,跟踪结果可靠的优点。