文档介绍：摘要
本论文的工作是围绕着多运动目标跟踪系统的实现展开的。多运动目标
跟踪系统的实现是一项庞大而繁杂的工程,本论文的研究仅涉及其中的一小部
分。本论文在系统介绍多目标跟踪系统的概念及算法的基础上,重点研究了用
于雷达测量的滤波算法以及数据关联算法,并且对适用于红外成像监测系统的
跟踪算法进行了初步的探讨。
砖统的多目标跟踪系统中多使用雷达传感器,但是雷达测量系统的非线性
使人们无法直接应用最优的线形卡尔曼滤波器本论文深入分析和比较了两种
常用的非线性卡尔曼滤波算法和的性能,得出在先验信息相同的
条件下两种算法产生相近的线性化误差、滤波器性能不相上下的结论此外,
我们在精确计算算法产生的线性化误差的基础上提出一种更加精确的非
线性滤波算法计算机仿真结果表明该算法有效地补偿了线性化误差
对滤波器性能的影响。
多假设跟踪算法是目前在密集杂波环境下跟踪多个机动目标最精
确的方法,但是庞大的计算量限制了算法的实际应用。然而随着计算机
硬件水平的提高,算法在实际跟踪系统中的应用已经成为可能,而对
算法的也研究越来越受到人们的重视。本文详细介绍了多假设跟踪算法
的发展及其具体算法,讨论了算法的具体实现方法,并通过计算机仿真
比较了算法与算法的跟踪效果
此外本文初步探讨了应用于红外成像监测系统的跟踪算法。提出一种分
段处理航迹形成算法。该算法的提出主要基于对目标运动速度及初始时刻目标
位置不确定性的考虑。该算法通过分段处理和计算目标相对位置的方法来消除
目标速度变化和目标初始位置不确定对航迹形成的影响。仿真结果表明,该分
段处理算法适用于各种速度范围的目标·年一
第一章导论
多目标跟踪在军事和民用领域都有重要而广泛的应用,如导弹防御系统、
防空预普系统、火力控制系统,空中交通管制系统等多目标跟踪算法的准确
性和可靠性是这些系统的工作性能的基础为此,各国都投入了大量人力物力
进行多目标跟踪问题的研究。
多目标跟踪系统的主旨是将传感器接收到的众多测量按照它们的来源分
类,给出各被跟踪目标的运动轨迹,并分析运动轨迹的准确性和可靠性。所谓
准确性是用目标状态的方差表示的,而可靠性则是指目标存在的概率。
多目标跟踪的基本原理是在年首次提出的。发现雷
达目标跟踪问题与核物理问题非常类似他们都是在随机噪声的背景环境下确
定出实际目标的运动轨迹。还提出航迹起始、航迹维持及航迹终止过程是
组成任何多目标跟踪问题的基本要素,并建立了这些过程的数学模型
研究的第二个重大突破是贝叶斯公式的发表,在年发表
的贝叶斯公式为以后的发展提供了基础。到了年代,和
将数据关联和卡尔曼滤波技术引入,发展起现代多目标跟踪技
术这之后, 作为一个研究课题得到越来越广泛的关注。
目前最常用的系统是描述的边跟踪边搜索系统
系统中雷达有固定的测量周期,即系统以固定的时间间隔获取
测童数据,并且测量的获取和目标运动轨迹的更新是同时进行的当然
问题并不仅仅局限于系统,如单个传感器可能有不规则的测量周期等。
但是由于应用于系统的技术可以方便地推广到更为复杂的系统,因此人
们的研究通常是基于系统的,而本文中描述的算法亦是基于系统
的。
通常的传感器如雷达、红外成像系统、声纳等都无法区分测量的来源,它
们提供的测盆可能来自需要跟踪的目标,也可能来自观测区域内的其他目标或
环境杂波以及传感器内部的热噪声。因此多目标跟踪问题一个最本质的
特点是不确定性。这个不确定性包括很多方面,如雷达测来源的不确定、雷
达测数值的不确定、目标数量的不确定、目标机动的不确定等。因此一个多
目标跟踪系统应该能够在下面的条件下完成多目标跟踪的功能
传感器得到的回波中除了被跟踪目标的回波外,还包括虚苦、杂
波等多余回波
传感器检测概率通常小于,即有时会发生目标漏检的现象
新的航迹随时随地可能产生
被跟踪的目标随时可能发生机动
由于有限的信号处理能力,传感器的测量无法精确地表示目标的
状态
当进行编队飞行时,目标之间距离可能相当接近,也可能产生交
叉航迹,这些都将影响数据关联的准确性
人们通常采用数据关联的方法来解决系统的不确定性问题,在
这个问题中根据关联对象的不同,数据关联的问题又分为以下三类
、测量与测量之间的关联一航迹初始化
测量和航迹之间的关联—航迹维持
航迹和航迹之间的关联—航迹融合
图是一个多传感器多目标跟踪系统的功能模块框图。下面我们根
据图来说明一个多传感器多目标跟踪系统的实现。
图多传感器多目标跟踪系统模块框图
如图中所示,传感器测量数据首先被送入数据关联功能模块,在那里
根据