论文部分内容阅读
在复杂探测环境中对多目标的检测跟踪是现代探测领域一项重要的共性基础研究,在国防领域具有重要意义。相对于传统的检测后跟踪(Detect before track,DBT)技术,新近提出的检测前跟踪(Track before detect,TBD)技术更为有效。大量研究表明,基于粒子滤波(Particle filter,PF)算法的TBD技术对弱小目标检测效果显著,但现阶段在理论、方法以及工程实践等方面仍存在不少亟待解决的问题。例如:多目标维数灾难、临近目标干扰、采样粒子数规模的合理设定等。本文主要研究用于多目标PF-TBD算法,主要工作如下:1、针对多目标跟踪的维数灾难问题,研究了独立分区交叉采样技术,并以此为基础,推导了独立分区粒子滤波算法,该算法利用后验独立假设,将高维度的多目标联合采样降维成为多个单目标采样,通过子分区交叉采样提高了粒子效率,从而使得计算量与目标数线性相关。2、针对独立分区算法没有考虑目标临近干扰的问题,提出了基于并行分区状态采样的粒子滤波改进算法,在保持其后验独立假设的前提下,改进一阶权重的计算方法,将临近目标的影响纳入似然函数,从而提高了目标相互临近时的跟踪精度。3、针对粒子滤波预设固定粒子数的问题,研究了一种基于KL距离(KullbackLeibler distance,KLD)采样的自适应设定样本规模的采样方法,将其推广到多目标场景下,提出了基于KLD的动态粒子数并行分区粒子滤波算法。该算法以后验估计精度为依据,通过先验概率和后验概率分布的差异大小自适应地决定粒子数规模,在预设跟踪精度下使用尽可能少的粒子数,达到了减少计算量的目的。4、针对无源声呐多目标TBD问题,研究了多目标PF-TBD的工程实现方案,利用多目标PF-TBD算法对两批某型无源声呐实测数据进行了离线处理,并对处理结果进行性能分析,验证了本文提出的KLD-PP-PF的TBD算法的有效性。