论文部分内容阅读
随着传感器技术的飞速发展,传感器分辨率越来越高,目标信号往往跨越多个传感器分辨单元,目标轮廓信息不可忽略,传统跟踪技术中将目标视作质点的假设面临着巨大挑战。扩展目标跟踪不仅考虑目标的运动特征,还考虑目标的轮廓特征,通过信号处理和数据处理等相关技术,实现目标运动状态和轮廓状态的联合估计,在高分辨雷达/声呐探测、遥感、无人驾驶等军事和民用领域具有重要的研究意义和应用价值。针对杂波环境下的扩展目标跟踪问题,本文开展了基于高斯过程的扩展目标跟踪算法研究,主要工作如下:1.针对理想环境下扩展目标跟踪问题,对高斯过程扩展卡尔曼滤波算法进行了仿真实现和分析。首先,基于高斯过程建立扩展目标的状态空间模型,并将每一帧的全体测量进行增广,形成增广测量矩阵。其次,利用扩展卡尔曼滤波器更新扩展目标的状态和协方差。最后,通过和随机矩阵法进行仿真比较,系统分析了该算法的性能。2.针对杂波环境下扩展目标跟踪问题,提出一种高斯过程概率数据关联扩展目标跟踪方法。首先,基于高斯过程建立扩展目标的联合跟踪门以选择有效量测。其次,基于有效量测枚举所有扩展目标的关联事件,并根据全概率定理计算关联事件概率。最后,利用概率数据关联算法更新扩展目标的状态和协方差。仿真验证了该算法的有效性。3.针对杂波环境下多机动扩展目标跟踪问题,提出一种基于高斯过程的变结构多模型联合概率数据关联扩展目标跟踪方法。首先,通过期望模型扩展方法构建自适应模型集,并对各个扩展目标状态进行初始化。其次,基于高斯过程建立扩展目标的联合跟踪门以选择有效量测,形成确认矩阵。然后,拆分确认矩阵得到关联矩阵并求解关联事件概率。最后,更新各个扩展目标状态和协方差,进一步解决了多个扩展目标的数据关联问题。