论文部分内容阅读
目标跟踪是在杂波环境下估计目标数目与运动状态的过程,在交通运输、雷达信息处理和视频监控等领域得到了广泛应用。传统的目标跟踪方法多采用数据关联技术,要求的先验条件较苛刻,制约了跟踪性能。本文以随机有限集(RFS)理论为框架,针对非线性非高斯系统,提出一系列的改进算法,并应用于船舶交通管理系统(VTS)目标跟踪。本文的主要研究工作如下：(1)针对VTS中α-β滤波算法的适用局限,提出一种改进的算法,用于跟踪匀速和匀加速运动的目标。针对交互多模型方法中马尔可夫概率计算复杂和过程噪声易受目标机动影响的问题,提出一种改进的算法,综合解决上述问题。仿真研究进一步验证所提出方法的有效性与可靠性。(2)针对概率假设密度(PHD)滤波条件是否已知,推导未知探测概率和未知杂波率的两种PHD滤波算法的序贯蒙特卡罗(SMC)实现过程。针对标准的PHD滤波算法目标数过估问题,提出一种改进的算法,用于平衡虚警数和目标数之间的关系。针对标准的多模型PHD滤波算法在目标机动时估计性能降低的问题,提出一种改进的算法,反映出目标的真实运动状态。仿真研究进一步验证所提出方法的有效性与可靠性。(3)针对势概率假设密度(CPHD)滤波条件是否已知,推导未知探测概率和未知杂波率的两种CPHD滤波算法的SMC实现过程。针对标准的CPHD滤波算法目标漏检问题,提出一种改进的算法,降低漏警率与虚警率。针对标准的多模型CPHD滤波算法运算量较大的问题,提出一种改进的算法,降低目标状态方程维数和所需的采样粒子数。仿真研究进一步验证所提出方法的有效性与可靠性。(4)针对VTS雷达获取的实际量测数据,通过系统平台架构,将基于RFS理论的目标跟踪方法应用于VTS的雷达信息处理子系统,计算VTS目标数目与运动状态的估计信息,实现复杂环境下的VTS目标跟踪。实验研究进一步验证所提出方法的有效性与可靠性。