论文部分内容阅读
多目标跟踪技术是信息处理领域里的一个重要课题,在军事和民用领域具有非常广阔的应用前景,越来越多地受到国内外学者的关注。近些年来,由于无需处理复杂的数据关联以及具有相对较小的计算复杂度等优势,基于随机集的多目标跟踪技术为目标跟踪领域带来新的活力。本文针对基于随机有限集条件下存在未知参数时的多目标跟踪问题进行了深入的研究,主要研究了联合检测概率和量测噪声协方差未知时的点目标跟踪方法、未知量测噪声协方差下的扩展目标跟踪方法以及量测噪声服从Student’s t分布下的点目标及扩展目标跟踪方法。论文的主要研究内容如下:在传统的未知检测概率算法基础上,针对检测概率和量测噪声协方差同时未知条件下的点目标跟踪问题,提出了一种基于变分贝叶斯势概率假设密度(VBCPHD)的滤波算法。在利用传统的先对检测概率的分布函数进行估计,再求取检测概率的估计方法的基础上,基于变分贝叶斯CPHD的滤波算法被用来对多目标状态和量测噪声协方差进行迭代估计。仿真实验证明,所提滤波算法可以很好地解决联合检测概率和量测噪声协方差未知条件下的点目标跟踪问题。针对传统的多目标跟踪领域里,量测噪声通常被认为是服从高斯分布,而导致的与真实的量测噪声统计特性产生偏差,从而使得目标跟踪性能下降的问题,提出一种新的量测噪声服从Student’s t分布且噪声自由度和逆协方差未知时的基于变分贝叶斯(VB)CPHD的滤波算法。该算法被用来对多目标状态、自由度和量测噪声逆协方差进行迭代估计,解决了量测噪声为Student’s t分布且量测噪声统计特性未知条件下的点目标跟踪问题。针对量测噪声统计特性未知条件下的扩展目标跟踪问题,提出了基于变分贝叶斯期望最大化的(VBEM-CPHD)的滤波方法。与点目标分析问题的思想类似,利用VBEM-CPHD滤波方法分别对量测噪声为高斯分布和Student’s t分布时的扩展目标跟踪情形进行了研究和处理。仿真结果表明,所提滤波方法在目标跟踪精度上和稳定性上都较传统滤波方法有很大提高,但耗时更长。