非线性量测下的机动多目标跟踪

为了解决非线性量测下机动多目标跟踪实时性差、跟踪误差大以及对杂波变化鲁棒性较差的问题,基于随机有限集理论,提出了一种采用量测转换和模糊算法改进的多模型δ-广义标签多伯努利滤波器。首先,推导了交互多模型的δ-GLMB滤波器,通过去相关无偏量测转换实现位置量测从极坐标系到笛卡尔坐标系的无偏转换,并通过预测值去除量测误差和其协方差的相关性造成的滤波估计偏差,实现了非线性场景下的机动多目标跟踪;然后,通过航迹和量测的关联新息以及目标的机动约束构建联合波门,降低了杂波量测的数量;最后引入改进的模糊算法,以目标的模型后验概率为输入,根据模型的分离程度自适应调节运动模型的过程噪声,增加滤波精度。研究结果表明：在杂波环境下,通过与CKF-JMS-δ-GLMB、CKF-IMM-δ-GLMB等非线性多模型滤波器对比,所提算法计算时间较小,且跟踪精度更高,鲁棒性强。所提算法避免了传统的非线性处理方式计算量较大的问题,并且具有较好的杂波抑制特性,提升了非线性量测下机动多目标跟踪的性能。     

量测划分的PHD航迹关联算法

高性能空中机动目标跟踪是现代预警雷达的核心任务之一.为了提高概率假设密度(PHD)滤波器的多目标跟踪性能,提出了一种基于量测划分的PHD航迹关联算法.考虑到传统PHD滤波无法给出目标各自的航迹属性信息,而且当跟踪区域存在大量杂波时,滤波效率严重降低;同时,对于密集邻近多目标跟踪,传统方法还存在不同目标跟踪的量测不匹配问题.针对上述问题,提出了分类检索的椭球门限量测划分方法,并将其应用到改进的高斯项权值重新分配的PHD航迹关联算法中,首先对每一步得到的量测集合通过分类检索的椭球门限方法,划分为已存在目标、新生目标和杂波的量测子集,再分别对各类目标使用对应的量测子集进行跟踪滤波,这样去除了杂波对真实目标的无效更新计算,提高了航迹关联算法的计算效率;其次,通过引入一种新的权值分配规则,调整邻近目标的高斯成分的权值大小,大幅减小了邻近目标的状态提取误差,提高了相邻目标的跟踪估计精度.大量数值仿真表明,所提方法明显改进了滤波计算效率和邻近目标跟踪精度.     

改进的GM-CBMeMBer机载多普勒雷达多目标跟踪算法

为了有效抑制剩余杂波、提高多目标跟踪(MTT)能力,在高斯混合势平衡多目标多伯努利(GM-CBMeMBer)滤波器的基础上引入多普勒信息,提出了一种适用于机载多普勒雷达的MTT算法(GM-CBMeMBerwD).该算法改进了GM-CBMeMBer滤波器的更新步骤:首先利用位置量测更新目标状态,然后利用多普勒量测对其进一步更新,从而更准确地求得目标似然函数和状态估计.仿真结果表明,与GM-CBMeMBer相比,GM-CBMeMBerwD能更准确且更稳定地估计目标数量;与其他3种跟踪算法相比,GM-CBMeMBerwD能以较低的计算复杂度获得较优的跟踪性能.     

多普勒信息辅助的杂波环境下多目标跟踪算法

传统雷达目标跟踪方法仅利用目标的位置信息进行数据关联,在处理密集杂波环境下的多目标跟踪问题时,容易产生虚假航迹,甚至出现误跟、失跟的现象。该文针对此问题提出一种多普勒信息辅助的杂波环境下多目标跟踪算法。首先引入多普勒信息带来的观测方程非线性,以及速度观测与距离观测之间的相关性问题,基于IPDA-UKF算法框架,综合利用目标的位置和速度信息构建多维关联波门,利用多维信息进行有效量测的筛选,从而将一个多目标数据关联的问题转化为多个单目标数据关联的问题,然后采用IPDA-UKF分别估计各个目标的存在概率和运动状态。仿真结果表明:相比其他算法,该算法充分利用距离和速度之间的相关性,不仅降低了杂波环境下多目标数据关联的复杂度,提高了数据关联的效率,而且目标跟踪精度也得到了明显提升。     

杂波环境下雷达组网的多目标聚类融合跟踪

多传感器多目标跟踪是信息融合技术在目标跟踪领域的应用范例,数据关联是其中的关键技术之一.对于杂波环境下的组网雷达多目标跟踪,讨论了粗、精关联相结合的数据关联方法.先用基于跟踪门限算法进行粗关联,排除部分杂波,再用模糊C-均值算法模糊聚类来实现关联.通过把多传感器跟踪问题转化为多个单传感器跟踪问题,更有效地实现关联,最后融合量测,滤波后得到目标的状态估计.用该算法对目标进行蒙特卡罗仿真,其比改进前的模糊C-均值关联算法和最近邻域算法在杂波环境下更能有效实现数据关联.     

一种新的未知杂波环境下的PHD滤波器

针对多目标跟踪中概率假设密度(PHD)滤波器在杂波模型与先验知识不匹配情况下滤波性能急剧下降的缺点,将增广状态空间引入PHD滤波器,提出了一种新的未知杂波环境下的PHD滤波器．该滤波器利用增广状态空间区分目标状态空间与杂波状态空间,通过量测对杂波模型进行估计,不需要杂波先验知识,避免了因杂波强度的先验知识选择不当而造成PHD滤波器跟踪性能下降的问题．仿真结果表明,该算法在未知杂波环境下,具有稳定的跟踪效果;在保证实时性的前提下,其跟踪精度与传统PHD滤波器在杂波模型匹配情况下相当．     

基于时反-压缩感知的浅海目标DOA估计算法

浅海波导由于海底海面边界以及不均匀散射体的存在,使得其中声传播极其复杂,对信号处理造成了严重的干扰.本文针对浅海复杂环境下的多途效应对目标波达方向(Direction of Arrival, DOA)估计的不利影响,提出了一种基于时反-压缩感知(Time Reversal-Compressive Sensing, TR-CS)的目标DOA估计算法.该算法针对利用压缩感知(Compressive Sensing, CS)理论进行DOA估计时浅海多径对信道稀疏性的干扰,引入时间反转(Time Reversal, TR)理论对信号进行预处理,将时反处理后的信号再次送入信道,建立了基于时间反转理论的浅海目标DOA估计模型,利用时间反转理论的空时聚焦特性实现了对多途畸变的修正,并且以多径数目作为环境复杂度的度量,在不同复杂度环境下验证了该算法的有效性,最后分析了不同快拍数下该算法的性能.仿真结果表明:在低信噪比、小快拍的浅海条件下,时间反转理论的引入通过对接收信号的再次处理,虽然对计算量提出了要求,但是明显抑制了旁瓣杂波,提高了信道的稀疏性及阵列接收信号的信噪比,改善了复杂浅海环境下的DOA估计性能,并且在多途效应越为严重的环境中,性能提高越为明显.     

多伯努利滤波的快速红外弱小目标检测与跟踪

针对复杂背景下多个弱目标检测与跟踪中存在的跟踪不稳定、非实时及量测模型高度非线性问题,提出一种基于多伯努利滤波的快速检测与跟踪算法.首先,采用改进的Robinson Guard算法抑制背景杂波,避免强起伏背景图像中目标被抑制的问题;其次,采用平方根容积卡尔曼滤波实现多伯努利检测前跟踪,在保证实时跟踪的同时,解决了滤波的高度非线性,避免了协方差矩阵负定造成的数值不稳定.实测红外背景图像实验表明,改进的Robinson Guard算法能够有效抑制背景杂波、保留弱目标信息,平方根容积卡尔曼多伯努利检测前跟踪能更准、更稳定地估计目标数目和状态,实现目标的实时检测与跟踪.     

基于GM-CPHD滤波算法的主动声呐目标跟踪

水下多目标运动状态估计一直是主动声呐目标跟踪的难点问题。为了实现对可变数目水下多目标运动状态的估计,将随机有限集理论应用于多目标跟踪,不仅避免了多目标跟踪数据关联问题,而且解决了多目标跟踪过程中可变数目目标运动状态估计。传统的PHD滤波算法对目标数目估计存在敏感性,虽然CPHD滤波算法引入了对势分布的估计提高了对目标数目估计的精确性,但同时也增加了其计算量。对于高斯线性目标跟踪系统,GM-CPHD滤波算法对目标数目的估计比GM-PHD滤波更加精确。利用椭圆跟踪门策略减小了GM-CPHD滤波算法的计算量。同时,结合水下目标跟踪的特点,利用声呐方程得到一定虚警概率条件下的检测概率与距离关系的解析式,提出了一种适合于水下目标跟踪的自适应检测概率GM-CPHD滤波算法,仿真结果表明:该算法在多目标跟踪中可以更有效地实现目标状态及数目的估计。     

基于多模型粒子滤波的机动多目标跟踪算法

针对密集杂波环境下机动多目标跟踪中系统强非线性以及运动模式切换对于滤波精度的不利影响,提出了一种基于多模型粒子滤波的机动多目标跟踪算法.新算法实现了多模型粒子滤波和广义概率数据关联算法的有机结合.通过在粒子状态采样过程中引入模型信息改善了交互式多模型和粒子滤波结合中导致的计算量膨胀问题,并利用广义概率数据关联算法实现回波的有效确认和回波信息的充分利用.给出了应用该方法的具体步骤,最后,理论分析和仿真实验证明该算法的有效性.     

Improved probabilistic multi-hypothesis tracker via the Poisson point process

Optimal data association is the main task of multi-target tracking due to the similarity of the tracker’s filtering parts.Traditional Multi-target tracking methods pick up the optimal data association from all possible associations that account for the complexity exponentially increasing with the number of targets and limiting the maximum number of targets which can be stably tracked.This paper proposes an efficient and accurate method where the measurement points raised by targets and clutter are modeled as the Poisson point process and the expectation maximisation algorithm is utilized to estimate the target states recursively.Independent data association and mixing probability decrease the computational complexity.Furthermore,Doppler information refers to the fact that the target feature has been used in association and filtering stage to improve tracking performance without adding complexity.The experiment with simulation data show that the performance of the proposed method is better than that of the traditional method with a shorter operation time.     

一种采用盖尔圆半径修正特征值的信息论判源方法

结合盖尔圆定理与信息论准则提出了一种新的信息论判源准则(MAIC)。对信号采样协方差矩阵进行盖尔圆变换,利用信号协方差矩阵的特征值与对应的盖尔圆半径在区分信号和噪声方面的一致性,用盖尔圆半径修正特征值,并将修正后的特征值及新的罚函数应用于信息论方法得到MAIC判源准则。理论分析表明,由MAIC方法估计得到的目标数目接近真实数目的一致估计,克服了AIC方法在高信噪比下容易出现高估的问题。计算机仿真和湖上试验数据处理结果表明MAIC是一种在高、低信噪比下都能取得良好检测效果的稳健的多目标检测算法。     

一种杂波环境下机动目标跟踪算法

针对杂波环境下的机动目标跟踪问题,提出了一种利用多普勒量测的机动目标跟踪算法。该方法首先通过多普勒量测解目标径向速度模糊,然后在目标量测方程中增加了径向速度维,将量测方程中的径向速度函数进行泰勒级数展开略去高阶量转为线性函数,同时在点迹关联时增加了径向速度波门,滤除更多的杂波点,利用多普勒量测计算出的径向速度实时更新观测值中的径向速度。通过计算机仿真,该算法相比传统算法提高了目标位置精度、速度精度和收敛速度。同时还分析了多普勒量测误差对目标跟踪性能的影响,多普勒量测误差越小,目标跟踪性能越好。     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．     

Registration based compensation method based on adaptive subspace tracking

The registration based compensation (RBC) method is an effective method to compensate the range-dependence of the main-lobe clutter and side-lobe clutter in the same time. However, the compensation performance of the RBC degrades because of the mismatch of prior information and the loss of degree of system freedom. Moreover, the RBC is not very suited for real-time implementation because of the enormous computational complexity and memory usage of eigenvalue decomposition. In this paper, a novel clutter range-dependence compensation method using the modified maximum likelihood adaptive subspace estimation algorithm, which is named the MRBC method for short, is proposed. The eigenvectors matrix and eigenvalues matrix of the clutter covariance matrix are estimated by iterative tracking instead of temporal and spatial smoothing, spectrum calculation and eigenvalue decomposition. Compared with the traditional RBC method, the proposed method can reduce the computational complexity significantly and maintain the performance of clutter range-dependence compensation. In addition, the proposed method can also achieve good performance when the system error exists because of no use of prior information. Experimental simulations demonstrate the validity of this method.     

The combined FSS-SPRT method for detection and tracking of low SNR point targets

For the detection and tracking of dim point targets with SNR 〈 2 dB, the combined SPRT and FSS method is given to accomplish detection in whicb likelihood testing are carried out twice to prune constantly. Firstly, the SPRT is developed aiming at the heuristic segments formed by correlation analysis. In order to avoid missing detection the threshold is chosen much lower. Secondly, by adding samples and choosing the one most similar to the heuristic segment to make state estimation FSS is implemented. This time we choose a higher threshold. Moreover in preprocessing the compound kernel estimation is designed to depress varying background clutter. Multiple experimental sequences validate that the method is more suitable for the dim targets detection and tracking compared with the scheme choosing the higher intensity pixel in tracking. It not only has perfect detection performance but also can greatly enhance tracking performance.