论文部分内容阅读
目标与量测的关联是多目标跟踪的一个比较核心的问题。在传统的数据关联算法中，大多数要穷举所有可能的关联事件，从而导致计算量随着目标和量测数目成指数增长，不利于实际应用，本文研究基于概率多假设(PMHT)的算法在目标跟踪中的应用，主要工作如下： 1、对PMHT算法的国内外研究现状进行了综述，分析了该算法在理论及应用方面存在的问题。 2、深入分析了PMHT算法、以及各个改进的PMHT算法的优缺点，并对PMHT算法，各改进算法进行仿真比较分析，给出了一些可供应用参考的结论。 3、针对PMHT算法的迭代、批处理特性，将统计距离、统计距离增量作为系统方差的调整参量，采用模糊专家规则系统，提出了一种适用于机动目标的模糊自适应概率多假设跟踪(FA-PMHT)算法。该算法将数据关联寻优与运动模型寻优联合处理，从而实现了数据关联寻优、目标模型寻优一体化。仿真结果表明，所提算法在跟踪精度上有明显提高，并且满足实时性要求，证明该算法是有效的。 4、PMHT是一种基于贝叶斯的算法，在框架结构上具有易扩展特性，本文基于此提出了一种基于图像信息的融合自适应Homethetic-PMHT算法。该算法综合利用属性信息以及传统的位置量测信息，将从图像信息中获取的量测通过模糊处理得到目标属性(幅值、RCS)概率信息，并将目标属性概率信息、目标量测信息统一到概率多假设框架下形成一种广义数据关联跟踪算法。仿真结果表明该算法的有效性。 5、针对天波雷达多路径会产生多个量测，而PMHT的假设条件：一个目标可以产生多个量测，很好的体现了这一特点。本文通过研究PMHT算法在天波超视距雷达上的应用，并通过仿真给出了一些算法参数的最优选择，同时也验证了PMHT算法在OTHR跟踪环境下对于环境参数的鲁棒性。