基於有限集統計學理論的多目標檢測前跟蹤技術研究

《基於有限集統計學理論的多目標檢測前跟蹤技術研究》是依託中國人民解放軍國防科技大學，由楊威擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於有限集統計學理論的多目標檢測前跟蹤技術研究
• 項目類別：青年科學基金項目
• 項目負責人：楊威
• 依託單位：中國人民解放軍國防科技大學

中文摘要

弱目標檢測與跟蹤是戰場偵察監視系統面臨的一大難題，檢測前跟蹤（TBD）技術在檢測之前通過在目標運動軌跡上的回波信號能量積累提高信噪比，是解決弱目標檢測與跟蹤問題的一種有效途徑。現有批處理TBD方法的實時性難以保證；而主要在單目標狀態空間對多目標運動建模的傳統遞歸貝葉斯TBD方法不利於時變數目多目標的檢測與跟蹤。有限集統計學（FISST）在多目標狀態空間為時變數目多目標運動建模提供了一種貝葉斯理論工具，將其套用於TBD有利於時變數目多目標的檢測與跟蹤。本項目研究基於FISST的多目標TBD問題，重點包括：1、推導含多個具有不同信噪比目標條件下的多目標FISST-TBD算法；2、對經典Cramer-Rao下界進行擴展以分析多目標FISST-TBD算法的理論性能。力圖探究：在FISST框架內，“如何實現信噪比不同的多目標TBD”和“TBD處理可能帶來多大的信噪比增益”兩方面的科學問題。

結題摘要

本項目圍繞多目標檢測前跟蹤（TBD）問題，利用有限集統計學理論（FISST）在多目標運動建模方面的優勢，詳細研究了相同表觀模型、信噪比不同的多目標FISST-TBD技術，類別相關表觀模型、信噪比不同的多目標FISST-TBD技術和FISST-TBD算法理論性能，研究成果包括：一是在詳細分析FISST理論框架並梳理其國內外套用研究現狀的基礎上，進一步論證了FISST-TBD技術途徑的可行性；二是針對場景中最多存在單個機動目標或存在時變數目多機動目標的情形，利用FISST中的伯努利和多伯努利隨機有限集工具，推導了多模型擴展的FISST-TBD算法，很好地實現了單/多機動目標的檢測前跟蹤；三是針對目標表觀模型為擴展目標時，詳細推導了基於FISST的機率假設密度濾波器，主要修正了傳統的粒子權重更新公式，較好地克服了傳統FISST-TBD算法中目標數目的有偏估計問題，並進一步提出了其快速實現算法；四是針對場景中始終存在單個目標情形的聯合跟蹤與分類問題和最多存在單個目標情形的聯合檢測、跟蹤與分類問題，綜合利用FISST中的隨機集觀測建模和多模型濾波技術，詳細推導了不同表觀模型的單機動目標聯合跟蹤與分類濾波器和單機動目標聯合檢測、跟蹤與分類濾波器，不僅提高了目標檢測和跟蹤性能，而且可以較好地利用目標表觀信息實現目標分類；五是針對基於FISST的多目標聯合檢測與跟蹤問題所能達到的性能下界及其計算實現問題，研究了其後驗克拉美羅下界的推導問題，並引入傳統數據關聯思想以簡化其後驗克拉美羅下界PCRLB公式的計算。系列成果將對軍民偵察監視系統的一體化目標檢測、跟蹤與分類實現奠定理論基礎，克服傳統偵察監視系統將三者獨立串列處理的不足，充分挖掘三者之間的耦合信息，進而提高偵察監視系統的目標檢測、目標跟蹤和目標分類性能。