基于辅助粒子滤波的机动弱目标TBD算法

为了解决低信噪比条件下的机动目标检测跟踪问题,研究了辅助粒子滤波与多模粒子滤波(MMPF)相结合的检测前跟踪(APF-MMPF)算法。将多模粒子滤波过程中包含目标存在变量及运动模式变量的预测粒子直接用于产生辅助变量,进行辅助粒子滤波过程实现对机动目标的检测跟踪。通过APF-MMPF算法与单纯MMPF算法的仿真结果对比可见,APF-MMPF算法的检测概率高、跟踪误差小,检测跟踪性能优于MMPF算法。由算法机理和仿真结果可见,由于APF-MMPF算法中粒子采样利用了当前量测信息,可有效提高对机动目标的检测跟踪性能。

基于改进PHD粒子滤波的多目标检测前跟踪算法

针对PHD-TBD算法存在目标数目估计不准,以及对交叉目标状态估计误差较大的缺点,提出了PHD-TBD的改进算法,通过推导更准确的PHD-TBD算法粒子权重更新表达式,实现对目标数目的准确估计;同时利用高斯混合模型(Gaussian mixture models,GMM)拟合PHD-TBD中重采样后的粒子分布,通过期望最大化算法(expectation maximum,EM)估计混合模型的参数,即可提取目标的状态。通过仿真实验表明,改进算法能够更准确地估计目标的数目和状态。

对海探测雷达多目标跟踪技术综述

多目标跟踪(MTT)是雷达数据处理领域的难点。相较于一般场景,海上多目标跟踪(MMTT)面临的挑战更大。一方面,复杂的海洋环境和较低的信杂比使得海面小型目标的检测性能受限,检测得到的点迹存在漏检并包含大量虚警,导致多目标跟踪处理的难度大大增加;另一方面,当海面目标以多群形式编队运动,或采用高分辨率雷达对海探测时,目标量测容易呈现跨单元分布的特征,这种情况下,采用常规的多目标跟踪方法效果不理想。目前,国内外关于海上多目标跟踪方面的研究文献还不多,且大都侧重于单一情形。该文从常规多目标跟踪方法、幅度信息辅助的多目标跟踪方法、多目标检测前跟踪方法以及多扩展目标跟踪方法等4个方面对海上多目标跟踪技术进行了梳理,并对海上多目标跟踪的未来发展方向进行了展望。