多传感器多目标跟踪的数据关联算法研究

摘要

数据关联技术是多目标跟踪系统中的重点和难点，是多目标跟踪领域中的重要研究课题，由于其在军事和民用领域中已经获得广泛的应用且仍具有广阔的发展前景，因而备受国内外学者和众多工程专家的高度关注。
　　本论文针对主动和被动多传感器多目标跟踪系统中的数据关联技术深入研究了多目标跟踪方法及其数据关联算法，主要研究工作和取得的成果如下:
　　首先，对两类数据关联算法，即量测与航迹的关联、量测与量测的关联做了较为深入的研究，并给出了几种算法的详细步骤流程，主要包括最近邻算法(NN）、概率数据关联(PDA)、联合概率数据关联(JPDA)、多假设跟踪(MHT)、多维分配算法，分析了每个算法的优缺点以及应用的场景。
　　其次，针对传统JPDA算法对邻近多个目标跟踪时会产生航迹合并的问题，提出一种应用熵值法避免航迹合并的JPDA改进算法。该算法应用熵值法对多个目标的跟踪门重合部分的有效回波二次确定权重，有效的避免航迹合并和航迹发散，能够得到更好的跟踪性能。
　　最后，针对静态多维分配算法随着传感器和目标的增加呈爆炸性增长的问题，研究了次优的拉格朗日松弛算法;针对静态多维分配算法只能应用于对目标的定位，研究了其推广算法，即动态多维分配算法，实现了对多目标的跟踪;同时，对于新近提出的Greedy算法解决多维分配问题，本文做了深入的研究，设计了被动多传感器的仿真场景并进行了仿真实验，结果表明该方法的正确关联率优于动态多维分配算法，效果良好。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究状况

1．3 论文主要工作及内容安排

第二章 目标跟踪和数据关联概述

2．1 引言

2．2 目标跟踪系统的组成

2．2．1 航迹起始与航迹终结

2．2．2 跟踪门的设定

2．3 卡尔曼滤波

2．4 几种经典的数据关联算法

2．4．1 最近邻算法

2．4．2 概率数据关联

2．4．3 联合概率数据关联

2．4．4 多假设跟踪

2．4．5 多维分配算法

2．4．6 拉格朗日松弛算法

2．5 本章小结

第三章 避免航迹合并的JPDA算法研究

3．1 引言

3．2 传统JPDA算法

3．2．1 概率数据关联滤波器

3．2．2 联合概率数据关联滤波器

3．2．3 仿真结果与分析

3．3 应用熵值法避免航迹合并的JPDA改进算法

3．3．1 传统JPDA算法产生航迹合并的原因

3．3．2 熵值法

3．3．3 量测和状态模型

3．3．4 应用熵值法的JPDA改进算法步骤

3．4 仿真分析

3．5 本章小结

第四章 数据关联中的多维分配算法研究

4．1 引言

4．2 多维分配算法

4．2．1 数学模型

4．2．2 拉格朗日松弛算法求解多维分配问题

4．2．3 仿真结果与分析

4．3 动态多维分配算法

4．3．1 算法流程

4．3．2 动态S维分配与静态S维分配算法的区别

4．3．3 仿真结果与分析

4．4 Greedy算法解决动态多维分配问题

4．4．1 数学模型

4．4．2 量测集最优分割

4．4．3 仿真结果分析

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

致谢

参考文献

作者在读期间的科研工作及研究成果