多普勒盲区下基于GM-PHD的雷达多目标跟踪算法

摘要

在多普勒雷达目标跟踪过程中,由于多普勒盲区(DBZ)的存在使得跟踪问题更为复杂.针对该问题,该文基于高斯混合概率假设密度(GM-PHD)提出了一种适用于多普勒盲区的多目标跟踪算法.该算法在常规检测概率模型中引入最小可检测速度(MDV)信息,并将该检测概率模型应用于传统GM-PHD更新方程中,推导出多普勒盲区下的GM-PHD更新方程.蒙特卡罗仿真实验结果表明:与只有多普勒量测信息的传统GM-PHD算法相比,新算法在较小的MDV条件下能够明显提高雷达对运动目标的跟踪性能.