複雜環境下多感測器隨機集目標跟蹤方法研究

《複雜環境下多感測器隨機集目標跟蹤方法研究》是依託西安電子科技大學，由姬紅兵擔任項目負責人的面上項目。

基本介紹

• 中文名：複雜環境下多感測器隨機集目標跟蹤方法研究
• 項目類別：面上項目
• 項目負責人：姬紅兵
• 依託單位：西安電子科技大學

中文摘要

針對低檢測率、低識別率、高虛警率、高丟失率等複雜環境下的多感測器多目標跟蹤問題，本項目以隨機集濾波理論為基礎，重點研究：1、基於和積混合和量測集劃分形式的多感測器隨機集濾波方法，在解決縮放比例失衡和量測集劃分問題的基礎上，進一步完善該理論，並推動其實用化。2、針對未知雜波密度和檢測機率問題，採用聯合勢分布修正法提高勢分布估計精度，並通過對目標狀態和檢測機率進行聯合估計建模，提高濾波精度。3、針對擴展目標和群目標跟蹤問題，研究擴展目標的量測建模方法、基於模糊聚類的擴展目標和群目標快速劃分方法、高斯逆威沙特混契約簡算法。4、針對隨機集濾波的航跡管理問題，研究基於多幀加權和模糊聚類的航跡維持算法，並結合目標屬性、特徵等非傳統量測信息提高航跡維持性能。5、通過引入廣義似然函式，將各種非傳統量測在隨機集的框架下進行統一表示和度量，從而在目標識別分類模組和目標跟蹤模組之間建立聯繫的橋樑。

結題摘要

針對低檢測率、低識別率、高虛警率、高丟失率等複雜環境下的多感測器多目標跟蹤問題，本項目以隨機集濾波理論為基礎，重點研究複雜環境下的多感測器隨機有限集濾波、未知雜波密度和檢測機率、擴展目標和群目標跟蹤、非傳統量測、以及隨機有限集航跡管理等關鍵問題，取得了一系列創新性研究成果，主要包括：（1）針對多感測器隨機有限集濾波問題，線上性高斯混合模型下，提出了一種改進的疊代修正高斯混合PHD（IIC-GM-PHD）算法和一種勢修正的乘積形式多感測器PHD算法，有效解決了感測器更新順序對疊代修正多感測器PHD的影響，並提高了目標狀態估計的精度；（2）針對未知雜波密度和檢測機率問題，提出了一種基於擬蒙特卡羅方法的未知雜波GMP-PHD算法，有效解決了非線性濾波問題；（3）針對擴展目標和群目標跟蹤問題，提出了基於模糊ART的量測劃分和混契約簡方法，從而提高了跟蹤系統的效率；（4）針對非傳統量測問題，提出了一種IMMBPF算法，極大減少了算法的執行時間；（5）針對隨機有限集航跡管理問題，提出了一種基於模糊聚類與多幀加權新的快速數據關聯方法，並結合目標屬性、特徵等非傳統量測信息提高了航跡維持的性能。本項目圓滿完成了項目申請書既定的研究內容，研究成果在武器裝備和防禦系統的推廣套用方面具有重要的價值。