基于多目标多贝努利滤波的多目标跟踪

摘要

被动传感器以其隐蔽性好，抗干扰能力强等优点，在军事和民用领域具有广阔的应用前景。然而，量测不确定性、多目标环境下的目标数不确定性以及被动测角条件下的观测非线性等问题都给实际应用带来了困难。如何在目标数不确定,且仅已知角度信息的情况下，进行实时、有效地跟踪，是困扰工程应用领域和学术界多年的研究难点。
　　针对上述问题，本文重点研究了基于MeMBer滤波的多目标跟踪方法。首先介绍了基于随机集的被动多传感器多目标跟踪理论基础，概述了现有的基于随机集理论的多目标跟踪算法。其次，针对势平衡多目标多贝努利(cardinality balanced multi-target multi-Bernoulli,CBMeMBer）滤波中存在的量测新息弱化问题，本文提出一种改进的多目标多贝努利（improved multi-target multi-Bernoulli,IMeMBer）滤波算法。该算法通过对漏检目标的多贝努利随机集进行修正，在解决目标数过估问题的同时，避免了CBMeMBer滤波中的量测新息弱化问题。在此基础上，将一组高斯粒子滤波器引入IMeMBer算法中，实现了被动测角情况下的多目标跟踪。仿真结果表明，所提算法能够以较小的运算代价达到高斯混合粒子CPHD（Gaussian mixture particle-CPHD,GMP-CPHD）滤波近似的跟踪精度。最后，研究了未知杂波强度的CBMeMBer滤波。在研究基于杂波随机集的未知杂波CBMeMBer的基础上，提出了一种改进算法。该方法在杂波分布具有区域性的前提下，通过聚类方法估计杂波似然，进一步提高了跟踪性能。