多目标跟踪技术综述

本文讨论过去二十年来多目标跟踪问题所取得的进展。主要的注意力集中在数据相关这一重要而困难的方面。首先介绍了在密集多回波环境中跟踪单个目标的各种方法。其次讨论了在密集多回波环境中多目标的跟踪方法。随后简要地介绍了与此问题有关的一些进展并扼要地进行了小结。     

一类地形回避系统的精度分析

本文对目前机载雷达中较为普遍采用的一类地形回避系统进行了精度分析。讨论了系统的误差源。对间隙面设置误差及计算误差进行了分析研究,给出了一些定量的结果。导出了系统的总误差公式。最后,指出了控制系统误差使系统偏于安全的一些关键问题。     

三维空间中目标机动加速度的估值问题

建立了描述目标在三维空间中进行切向与法向机动的非线性状态模型。目标切向与法向机动加速度的幅值表示为修正的瑞利-马尔可夫随机过程;法向加速度的方向角则假定在2π区间内具有均匀的概率密度。在仅有含噪声位置观察数据的情况下,发展了一种推广的卡尔曼滤波和自适应算法,并由此获得一种机动目标切向与法向加速度估值的直接方法。提供了某些计算结果以证实方法的有效性。     

残差滤波及其在密集多回波环境下机动多目标跟踪中的应用

 修正概率数据关联滤波（MPDAF）是目前解决密集多回波环境下机动多目标跟踪较为有效的方法,但当回波密度增高时,该方法容易失跟。本文针对此特点,在MPDAF基础上,提出了残差滤波（RF）方法,分别从理论和Monte carlo仿真两方面揭示了RF与数据关联的内在机理,结果表明该方法能大幅度提高跟踪滤波器捕捉目标和剔除关联域内多余回波的能力以及跟踪的性能,是一种解决高密集多回波环境下机动多目标跟踪的有效方法。     

机动目标“当前”统计模型与自适应跟踪算法

本文提出机动目标“当前”统计模型的概念并建议用修正的瑞利-马尔科夫过程描述目标随机加速机动的统计特性。文中指出了在机动目标运动模型中状态（机动加速度）估值与状态噪声之间的内在联系。在此基础上提出了具有机动加速度均值及方差自适应的卡尔曼滤波算法。对一维和三维的情形进行了计算机模拟。计算结果表明,在仅对目标位置进行观测的情况下,这类自适应估值算法无论对高度机动或无机动的目标均可绘出较好的位置、速度及加速度估值。     

机动多目标跟踪问题中关联区域的研究

 本文研究了跟踪多个机动目标时,由滤波算法所获得的新息向量范数的统计性质,关联区域的大小以及接收正确回波的概率。借助拉蒙特卡洛方法,考察了不同的目标状态模型、目标机动加速度及状态噪声方差等因素对所研究的问题的影响。研究表明,文献[1]所提出的机动目标状态模型及相应的自适应算法具有较好的适应目标机动的能力,关联区域的大小及接收正确回波的概率均较为稳定。     

随机神经网络在机动多目标跟踪中的应用

研究密集多回波环境下的机动多目标跟踪问题。通过对多目标联合概率数据关联方法性能特征的分析,将其归结为一类约束组合优化问题。在此基础上,利用随机神经网络求解组合优化问题的策略,采用改进的增益退火算法,提出了一种新颖的机动多目标快速自适应神经网络跟踪方法。仿真结果表明,该方法不仅具有很高的收敛速度和跟踪精度,而且计算量小,关联效果好。     

跟踪雷达的复合控制

 本文研究了不变性理论在跟踪雷达中的应用,提出跟踪雷达的一种复合控制体制。以雷达一红外复合控制系统为例,介绍了这种跟踪体制的理论依据、设计方法和试验结果。通过分析和试验,说明这种跟踪体制具有极为显著的优点并可以广泛应用于空-空、地-空导弹等武器系统。     

一种密集多回波环境下的机动多目标跟踪起始算法

 本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪起始机理的缺陷,而且辨别目标与虚警的能力很强,不失为解决高密集多回波环境下机动多目标跟踪起始的有效方法。