毫米波交通雷达多目标跟踪算法研究与应用

发布时间：2020-03-24 19:05

【摘要】：随着雷达在军事和民用领域应用越来越广,目标跟踪已经成为雷达信号处理系统不可缺少的一部分。毫米波雷达因为具有高分辨率、抗干扰能力强和全天候工作的特性,在民用领域有广泛应用前景。在智能交通系统中,车流量作为一个非常重要的数据,主要通过摄像头获得。然而由于摄像头对气候比较敏感,在暴雨、大雾和雾霾等环境下检测效果不理想,统计的车流量存在较大偏差。利用毫米波雷达和多目标跟踪技术,可以进行高精度车流量统计。因此,本文围绕毫米波雷达多目标跟踪算法及其在车流量统计中的应用进行了研究,研究工作主要包括以下几个方面:(1)介绍了毫米波雷达目标运动模型,卡尔曼滤波(Kalman Filter,KF)理论及相关扩展算法,包括线性卡尔曼滤波(Linear Kalman Filter,LKF)、扩展卡尔曼滤波(Extended Kalman Filter,EKF)、不敏卡尔曼滤波(Unscented Kalman Filter,UKF)和自适应不敏卡尔曼滤波(Adaptive Unscented Kalman Filter,AUKF)。对各种滤波算法进行仿真并对比滤波性能,说明滤波器之间的区别。详细介绍了跟踪门和传统雷达数据关联算法,包括最近邻数据关联(Nearest Neighbor Data Association,NNDA)算法,概率数据关联(Probabilistic Data Association,PD A)算法,并对算法进行了仿真分析。(2)深入研究多目标跟踪算法,并构建毫米波交通雷达的多目标跟踪系统,包括点迹凝聚、航迹状态管理、航迹起始和航迹维持等。对航迹维持进行了重点研究。首先,提出一种改进的最近邻点迹与航迹关联,利用航迹状态设置关联优先级,先对稳态航迹进行关联,然后对其它状态航迹进行关联。其次,针对在实测数据目标跟踪中,航迹出现中断的现象,设计了航迹与航迹关联算法,提高跟踪稳定性,并用实测数据进行验证。由于改进的最近邻点迹与航迹关联算法在点迹误差比较大时,依然会出现航迹中断现象。最后,引入了改进的PDA算法,提高跟踪性能,并用雷达实测数据对系统进行验证。从实测数据的处理结果可以看出,构建的多目标跟踪系统可以对交通场景中的多目标进行稳定跟踪。(3)针对在智能交通中,车流量统计准确率不高的问题,利用多目标跟踪技术,提出一种新的车道识别和车流量统计方法。利用航迹长度判断一条航迹是否为一个真实目标,对各个车道进行流量统计。最后,对系统进行道路实测,从实测的结果可以看出,雷达统计的车流量误差只有5%,可以满足实际应用。
【图文】：

卡尔曼,卡尔曼滤波,线性,误差

一线性卡尔曼浦波结果

毫米波交通雷达多目标跟踪算法研究与应用

EKF滤波结果
【学位授予单位】：厦门大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN957.51

【参考文献】