基于非线性滤波的目标跟踪算法研究

论文摘要

目标跟踪无论在军事还是民用领域都展现出了广阔的应用前景,备受国内外学者和众多工程领域专家的关注。近年来,为了缓解雷达面临的严峻挑战和巨大威胁,无源或被动探测系统的研究受到越来越多的重视,但无源或被动探测设备提供的大多是角度或灰度图像信息,会导致观测非线性、距离不可测、低信噪比等问题,这给目标跟踪带来很大的困难。因此,如何实现上述环境下的目标跟踪是一项很具挑战性的研究课题。本文重点研究了被动多传感器目标跟踪中的非线性滤波问题以及低信噪比条件下红外图像中弱小目标的检测前跟踪方法。主要贡献如下:首先,研究了新近出现的两种高斯滤波方法:求积分卡尔曼滤波和求容积卡尔曼滤波,详细阐述了它们求解确定性函数与高斯分布乘积求积分问题的方法,并将其运用到被动多传感器系统中,结合集中式融合策略,提出了相应的目标跟踪算法,较好地解决了非线性滤波问题。其次,利用分布更均匀的拟蒙特卡罗采样代替传统的蒙特卡罗采样,较好地解决了由于使用蒙特卡罗采样形成“空隙和簇”导致高斯粒子滤波性能下降的问题,结合集中式融合策略,提出一种基于拟蒙特卡罗-高斯粒子滤波的被动多传感器目标跟踪算法,在较少的粒子数情况下,可获得较高的跟踪精度和快速的收敛速度。再次,通过重写对数极坐标系下的系统方程并添加表示过程噪声强度与径向距离比值的辅助参量,构造两个子目标状态,利用改进粒子滤波的方法估计出各子目标状态,并实时估计出辅助参量的值,避免滤波过程中使用过程噪声强度最大值引入的误差,结合多传感器最优信息融合策略,提出一种基于改进粒子滤波的被动多传感器目标跟踪算法,实现了距离不可测和滤波过程中噪声强度未知情况下的有效跟踪。最后,针对红外图像中弱小目标检测前跟踪算法存在的缺陷,提出一种基于边缘化粒子滤波,并结合累积和联合检测的递归检测前跟踪算法。算法中通过累积和联合检测方法累积多帧观测数据来提高信噪比,检测到目标出现的同时启动消失检测量的计算,保证持续检测到目标且以较小延迟检测目标消失。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究状况
• 1.2.1 非线性滤波
• 1.2.2 目标跟踪
• 1.3 论文主要工作及内容安排
• 第二章 非线性滤波理论
• 2.1 引言
• 2.2 贝叶斯滤波框架
• 2.3 非线性滤波
• 2.3.1 高斯滤波
• 2.3.2 粒子滤波
• 2.4 本章小结
• 第三章 基于高斯滤波的被动多传感器目标跟踪算法
• 3.1 引言
• 3.2 被动多传感器目标跟踪数学建模
• 3.3 基于求积分卡尔曼滤波的目标跟踪算法
• 3.3.1 求积分规则
• 3.3.2 求积分卡尔曼滤波
• 3.3.3 算法流程
• 3.4 基于求容积卡尔曼滤波的目标跟踪算法
• 3.4.1 求容积规则
• 3.4.2 求容积卡尔曼滤波
• 3.4.3 算法流程
• 3.5 仿真实验及分析
• 3.6 本章小结
• 第四章 基于粒子滤波的被动多传感器目标跟踪算法
• 4.1 引言
• 4.2 基于拟蒙特卡罗-高斯粒子滤波的目标跟踪算法
• 4.2.1 拟蒙特卡罗-高斯粒子滤波
• 4.2.2 集中式融合策略
• 4.2.3 算法流程
• 4.2.4 仿真实验及分析
• 4.3 基于改进粒子滤波的目标跟踪算法
• 4.3.1 对数极坐标系下的系统方程
• 4.3.2 改进粒子滤波
• 4.3.3 最优信息融合策略
• 4.3.4 算法流程
• 4.3.5 仿真实验及分析
• 4.4 本章小结
• 第五章 基于边缘化粒子滤波的检测前跟踪算法
• 5.1 引言
• 5.2 红外图像弱小目标建模
• 5.2.1 目标模型
• 5.2.2 传感器模型
• 5.3 算法描述
• 5.3.1 边缘化粒子滤波
• 5.3.2 累积和联合检测
• 5.3.3 算法流程
• 5.4 仿真实验及分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 作者在读期间的科研工作及研究成果