现代多目标跟踪与多传感器融合关键技术研究

论文摘要

目标跟踪是一个历史悠久、技术比较成熟的领域，但无论是军事还是民用研究，目标跟踪又是一个不断发展、常做常新的领域。特别是近年来信息、电子、电磁、材料、空气动力及能动等学科的迅速发展与交叉融合，使得目标跟踪问题越来越表现出感知环境和感知对象更加复杂多变，感知手段日趋丰富，感知需求日益提高等复杂系统特征。本论文以现代多目标跟踪与多传感器融合为研究背景，针对多源信息空间配准，非线性状态估计，单传感器数据关联，多传感器关联与融合，对地跟踪以及系统性能评估等关键技术进行了系统研究。主要贡献如下：1．以条件函数和代价函数为依据，对目前几种典型采样策略及Sigma点分布特征进行分析。将UT变换应用于一类多源信息空间配准问题，提出基于UT变换的多源信息空间配准算法，并针对采用不同采样策略的UT变换进行了分析和比较。仿真结果表明，UT变换的配准精度高于传统的一阶线性化近似方法；在几种不同的UT采样策略中，对称性采样策略的配准性能最好。所得结论为空间配准实际工程应用提供了一定参考。2．针对系统多模式和非线性问题，以多模型自适应估计为算法框架，在各子滤波器设计中采用UKF来处理非线性，提出IMMUKF算法。机动目标跟踪的仿真表明：IMMUKF算法在处理非线性机动目标跟踪问题时明显优于经典的多模型估计算法。3．在多目标数据关联中，修正了目标无量测时的状态协方差，引入了权重因子表征基于目标和基于量测的两类广义事件重要度，从而给出一般性的广义概率数据关联（GPDA）算法。仿真结果表明：相比于原始GPDA算法，我们给出的GPDA算法在量测缺失下具备较强的跟踪能力，并且通过选择权重因子能够灵活地实现跟踪能力与计算代价的折衷。在考虑机动多目标数据关联中，通过构建综合回波确认波门，提出综合交互式多模型广义概率数据关联算法（C-IMMGPDA），仿真结果表明C-IMMGPDA在降低计算量的同时，跟踪性能优于C-IMMJPDA算法。4．将GPDA算法从单传感器扩展到多传感器情况。针对集中式多传感器数据关联，将序贯结构与GPDA算法结合，提出序贯多传感器广义概率数据关联算法（SMSGPDA），通过由雷达和红外传感器组成的集中式多传感器数据关联仿真实例表明SMSGPDA算法的有效性；针对分布式多传感器关联与融合，为进一步降低航迹关联与融合所需要的通讯开销，适应局部航迹无法得到状态协方差的实际情况，提出一种基于GPDA的快速航迹关联与融合算法（DMSGPDA）。两个不同精度雷达组成的分布式融合实例表明：与经典加权航迹关联与融合算法相比，DMSGPDA算法在缺乏局部航迹状态协方差的前提下，融合性能有所提高。5．利用地理信息推广了多模式估计中的混合估计框架，提出了一种扩展的对地跟踪框架（EGTT），实现目标先验模型集的有效精简。基于EGTT框架，给出了扩展地图调整方差法（EMTV），包括先验模型集设计和模型集自适应精简策略。仿真结果表明EMTV算法在跟踪精度和失跟率方面均优于传统卡尔曼滤波和地图调整方差法（MTV）。进而考虑地面目标沿道路运动的不确定机动，提出了综合交互式多模型地图调整方差法（C-IMMMTV）算法。通过仿真分析，该算法对于依赖地理信息和不依赖地理信息的目标机动均能给出很好的处理效果。6．根据现代多传感多目标跟踪技术的发展对实际跟踪系统性能评估提出的新要求，首先针对单传感器跟踪系统，进一步发展和完善了国军标（GJB1904．2-96）中的性能评估指标体系，并给出了具体计算方法。新的指标体系有15项指标，包括航迹起始、跟踪精度、稳定跟踪能力、交叉跟踪能力、群跟踪能力、处理容量、处理时延等；其次针对多传感器跟踪系统，给出了分布式融合的性能评估指标，包括融合起始概率，融合平均起始时延，融合航迹稳定跟踪能力，融合精度，融合平均运行时间等5项。基于我们建立的系统性能评估平台，完成了典型场景下的系统性能测评。结果表明评估指标能较好地表征算法的各方面性能，为算法改进或系统调整提供了有力支持。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 现代多目标跟踪的状态估计与数据关联
• 1.2.1 现代多目标跟踪的状态估计
• 1.2.2 现代多目标跟踪的数据关联
• 1.3 多目标多传感器融合
• 1.3.1 多传感器融合的模型与结构
• 1.3.2 时空配准
• 1.3.3 航迹关联与融合算法
• 1.3.4 异类信息融合算法
• 1.4 系统性能评估
• 1.5 本文研究内容
• 第2章 基于UT变换的多源信息空间配准
• 2.1 引言
• 2.2 UT变换（Unscented Transformation）
• 2.2.1 对称采样
• 2.2.2 单形采样
• 2.2.3 比例修正策略
• 2.2.4 其它采样策略
• 2.3 多源信息空间配准
• 2.4 基于UT变换的多源信息空间配准
• 2.5 仿真分析
• 2.5.1 仿真场景1
• 2.5.2 仿真场景2
• 2.5.3 仿真场景3
• 2.6 本章小结
• 第3章 基于UKF的交互式多模型佑计
• 3.1 引言
• 3.2 UKF滤波器
• 3.3 交互式多模型（IMM）
• 3.4 交互式多模型UKF算法（IMMUKF）
• 3.5 仿真分析
• 3.6 本章小结
• 第4章 单传感器广义概率数据关联算法
• 4.1 引言
• 4.2 广义概率数据关联算法（GPDA）
• 4.2.1 算法思想
• 4.2.2 状态估计
• 4.2.3 互属概率计算
• 4.2.4 GPDA算法流程
• 4.2.5 仿真分析
• 4.3 综合交互式广义数据关联算法（C-IMMGPDA）
• 4.3.1 C-IMMJPDA算法
• 4.3.2 C-IMMGPDA算法
• 4.3.3 仿真分析
• 4.4 本章小结
• 第5章 多传感器广义概率数据关联与融合
• 5.1 引言
• 5.2 集中式多传感器广义概率数据关联算法
• 5.2.1 序贯多传感器广义概率数据关联（SMSGPDA）
• 5.2.2 仿真分析
• 5.3 分布式多传感器广义数据关联与融合
• 5.3.1 基于GPDA的快速航迹关联与融合算法（DMSGPDA）
• 5.3.2 仿真分析
• 5.4 本章小结
• 第6章 利用地理信息的扩展对地跟踪算法
• 6.1 引言
• 6.2 利用地理信息的扩展对地跟踪（EGTT）
• 6.3 基于EGTT的扩展地图调整方差法（EMTV）
• 6.3.1 先验模型集设计
• 6.3.2 模型集精简
• 6.3.3 EMTV算法流程
• 6.3.4 仿真分析
• 6.4 基于EGTT的C-IMMMTV算法
• 6.4.1 先验模型集设计
• 6.4.2 模型集精简
• 6.4.3 C-IMMMTV算法流程
• 6.4.4 仿真分析
• 6.5 本章小结
• 第7章 跟踪系统性能评佑及指标体系
• 7.1 引言
• 7.2 单传感器系统的性能评估
• 7.2.1 航迹与目标的关联判断
• 7.2.2 性能评估指标及计算公式
• 7.3 多传感器系统的性能评估
• 7.3.1 集中式融合结构下的系统性能评估
• 7.3.2 分布式融合结构下的系统性能评估
• 7.4 典型场景下系统性能评估的测评
• 7.4.1 单传感器系统性能评估的测评分析
• 7.4.2 多传感器融合场景下的系统性能测评
• 7.5 本章小给
• 第8章 总结与展望
• 8.1 论文工作总结
• 8.2 研究展望
• 参考文献
• 作者发表论文及参加科研情况
• 致谢