粒子滤波目标跟踪及TBD算法研究

摘要

随着现代作战环境的日益复杂，低信噪比下的目标检测以及目标跟踪中的非线性问题逐渐突显，这使得传统的跟踪和检测方法越来越难以满足需求，迫切需要能够解决这些问题的新的目标跟踪和检测算法。检测前跟踪(TBD)算法经过多帧数据积累后按照某种规则进行检测判决，检测到目标存在就能同时给出跟踪结果，这样可以很好地解决低信噪比下的目标检测问题。粒子滤波(PF)是一种针对非线性系统的贝叶斯递归滤波算法，粒子的权重还可以用来构造似然比，这些特点使得粒子滤波可以完整地进行目标检测和跟踪。因此，本文将对基于粒子滤波的目标跟踪和TBD算法展开研究，主要内容为：
　　1、研究了粒子滤波的目标跟踪算法及其性能评估。首先研究了标准粒子滤波(SPF)算法，然后针对其中的粒子退化问题，研究了利用局部线性化近似得到最佳重要性函数和改善重采样的改进的粒子滤波算法(IPF)。除采用常规性能评估方法外，还研究了KLD(Kullback Leibler Divergence)评估方法，以便更加全面地对粒子滤波算法进行性能评估。
　　2、研究了三种基于粒子滤波的TBD算法及性能讨论。标准的PF-TBD算法通过将粒子分为死亡粒子和存活粒子构成一种混合状态估计，从而形成完整的跟踪检测体系；优效的PF-TBD算法在标准算法基础上只关注存活粒子，更加有效地利用粒子信息；基于似然比检测的PF-TBD算法利用似然比进行检测，区别于前两种算法利用目标存在概率进行检测。在仿真实验中，首先通过对比检测概率和虚警概率，确定三种算法的最佳检测门限，然后再横向对比三种算法的检测性能，以便确定三种算法检测性能的优劣关系。
　　3、针对RAM(Rocket Artillery Mortar)类目标，首先建立了这类目标的运动状态模型。考虑到这类目标的运动状态可以采用单个模型进行描述，因此，首先采用SPF算法对该目标进行跟踪；同时基于前面的结论，进一步采用IPF算法对其进行跟踪。仿真结果表明，粒子滤波算法可以有效实现RAM类目标跟踪，同时基于IPF算法的RAM类目标跟踪算法跟踪性能优于基于SPF算法的。
　　4、针对雷达目标的检测前跟踪，这里首先给出适用于 TBD处理的基本雷达观测模型，然后充分考虑到实际目标可能存在的机动特性，首先对多模型粒子滤波（MMPF）算法展开研究，然后采用基于MMPF的TBD算法实现对雷达目标的检测和跟踪，最后在仿真实验中分别对 MMPF算法和基于MMPF的TBD算法进行了验证。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景及意义

1.2国内外研究动态

1.3本文主要研究内容

第二章 粒子滤波的目标跟踪算法及性能评估

2.1标准粒子滤波算法Equation Chapter 2 Section 2

2.2改进的粒子滤波算法

2.3 KLD评估方法

2.4仿真实验

2.5本章小结

第三章 基于粒子滤波的TBD算法及性能讨论

3.1标准的PF-TBD算法Equation Chapter 3 Section 1

3.2优效的PF-TBD算法

3.3基于似然比检测的PF-TBD算法

3.4本章小结

第四章 粒子滤波算法在RAM类目标跟踪中的应用

4.1 RAM类目标模型

4.2基于粒子滤波的RAM类目标跟踪算法

4.3仿真实验

4.4本章小结

第五章 粒子滤波算法在雷达目标检测前跟踪中的应用

5.1雷达观测模型

5.2基于多模粒子滤波的雷达目标检测前跟踪算法

5.3仿真实验

5.4本章小结

第六章 结束语

致谢

参考文献

攻硕期间取得的研究成果