基於隨機有限集的多拓展目標跟蹤算法研究

《基於隨機有限集的多拓展目標跟蹤算法研究》是依託江蘇大學，由閆小喜擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於隨機有限集的多拓展目標跟蹤算法研究
• 項目類別：青年科學基金項目
• 項目負責人：閆小喜
• 依託單位：江蘇大學

項目摘要

隨著現代雷達解析度的不斷提高，每個目標已經能夠具有多個散射中心；體現在目標量測上，每個目標在每個時刻產生多個量測而非單個；此種情況下的目標跟蹤稱為拓展目標跟蹤，它是當今目標跟蹤領域新的研究熱點。基於每個目標在一個時刻至多產生一個量測假設的傳統多目標跟蹤算法，已經不再適用於多拓展目標跟蹤。本課題在多目標Bayes濾波理論框架內，利用隨機有限集解決多拓展目標跟蹤問題，主要解決多拓展目標運動特性與量測似然建模、多拓展目標機率假設密度濾波器推導及多拓展目標機率假設密度濾波器實現中的目標數目與狀態聯合估計問題。本課題的目標是，開發一種基於隨機有限集的多拓展目標跟蹤算法以充分利用高解析度所產生的多目標量測信息。

結題摘要

針對現代相控陣雷達和高解析度雷達跟蹤系統中，一個雷達目標能夠產生多個量測的現實，研究以“單目標多量測”假設為出發點的多拓展目標跟蹤理論與實現方法，解決以“單目標至多產生一個量測”假設為出發點的傳統多目標跟蹤理論在現代雷達系統中的不適用性，充分利用現代雷達系統高解析度所產生的多量測信息。本課題主要利用隨機有限集理論研究多拓展目標跟蹤算法並利用機器學習的思想進行算法實現。首先，從集值估計的角度，在多目標Bayes濾波框架內利用隨機有限集變數對多拓展目標跟蹤過程進行建模，重點對體現“單目標多量測”特徵的多拓展目標量測似然進行了研究；針對多拓展目標量測似然中對量測集合的所有可能分割組合的不可實現性，提出基於有限混合模型的量測集合近似分割算法，提升多拓展目標量測似然在現實中的適用性，以充分利用拓展目標多量測信息的相互關聯性和相互冗餘性，增強雷達系統的反隱身性能。其次，針對以集值方式描述的多拓展目標濾波器，利用機率生成函式和函式導數把定義在多目標狀態空間上的多拓展目標跟蹤問題轉化為定義在單目標狀態空間上的強度估計問題，並著重對強度估計到多拓展目標狀態估計的實現算法進行了研究；在多拓展目標強度濾波器的高斯混合實現中，高斯混合分量的數目在時間步上呈指數增長，尤其是在更新步，每一個量測都會新增與上一時刻混合分量數目相同數量的混合分量，造成實現算法在現實的不可行性；提出了一種基於無監督學習思想的混合分量刪減算法，學習過程中保留有較多證據支持的主成份混合分量，刪減掉較少證據支持的次要混合分量，進而減少算法時間開銷，以使算法計算量可行，從而提升了多拓展目標跟蹤算法在現代雷達系統中的實際套用性。最後，針對現代雷達系統生存所面臨的低空突防和有源/無源干擾方面的巨大挑戰，研究了基於線上機器學習的多拓展目標狀態和雜波強度聯合估計理論與實現方法；利用有限混合模型對低空突防所依賴的強背景雜波和有源/無源干擾所施加的未知雜波強度進行建模和線上學習，以提高雜波強度在多拓展目標跟蹤算法中的精確度，進而間接提高多拓展目標狀態估計的精度，從而提升現代雷達系統的反低空突防能力和增強雷達系統的抗干擾能力。上述研究成果已經在智慧型網路與網路安全教育部重點實驗室的智慧型信息處理開放研究室進行了相關實驗，並在雷達多目標跟蹤三維戰場仿真平台上進行了驗證，證明了研究成果的有效性。