多目标粒子滤波检测前跟踪算法研究

发布时间：2017-04-24 16:16

  本文关键词：多目标粒子滤波检测前跟踪算法研究，由笔耕文化传播整理发布。

【摘要】：检测前跟踪(TBD)由于对目标信号进行多帧联合处理和积累,使其对微弱目标的检测和跟踪性能相比于传统的检测后跟踪(DBT)得到显著提高,成为当代雷达信号处理方向研究的热点。粒子滤波算法是TBD技术实现的一种性能较好的算法,该算法因具有解决非线性非高斯跟踪问题的优点而受到广泛的关注。然而,基于粒子滤波的TBD算法研究时间尚短,还有许多技术问题未解决,例如:合适且有效的多目标粒子滤波算法;跟踪过程中临近目标相互干扰问题;算法计算量随跟踪目标数呈指数增长导致计算量爆炸问题等。本论文针对上述问题,研究了多目标粒子滤波TBD跟踪算法,主要做了以下研究工作:1.针对多目标情况,研究了基于贝叶斯理论的“双层”多目标粒子滤波算法,该算法具有起始新目标、维持目标跟踪、删除消失目标的功能,从而能成功跟踪目标数目未知且时变的场景。2.针对多目标粒子滤波计算量随目标数呈指数增长的问题,研究了基于独立分区(IP-PF)的TBD算法,该算法通过将高维度的多目标联合采样降维成为多个单目标采样,从而使得计算量与目标数线性相关;针对目标临近相互干扰的问题,研究了基于平行分区(PP-PF)和联合最优采样(JOID-PF)的TBD算法,这些算法综合考虑了临近目标之间的影响,能很好解决相互干扰的情况。3.针对粒子滤波跟踪过程中粒子数固定而不能匹配场景目标数变化的问题,提出了一种基于对数似然比的自适应粒子数粒子滤波TBD算法(LLBA-PF-TBD),该算法通过似然函数的计算优化了粒子滤波更新过程,能自适应的选择匹配环境特性的粒子数目改善跟踪效率和性能。4.针对粒子滤波计算量大的问题,提出了一种基于库尔贝克莱伯勒距离的自适应粒子数粒子滤波TBD算法(KLD-PF-TBD),该算法利用先验概率和后验概率的差异大小决定粒子数的多少,从而达到减少计算量的目的。通过仿真实验验证了上述所有算法的有效性,证明了LLBA-PF-TBD和KLD-PF-TBD算法能在目标临近和机动目标转弯时,自适应地增大跟踪的粒子数,以应对目标状态不确定性增大的问题。
【关键词】：检测前跟踪 多目标跟踪 粒子滤波
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN957.51

  本文关键词：多目标粒子滤波检测前跟踪算法研究，，由笔耕文化传播整理发布。

本文编号：324558