论文部分内容阅读
天波超视距雷达(Over-The-Horizon Radar,OTHR)目标跟踪存在的非线性非高斯、多模多路径、低检测概率、低数据率、低测量精度以及密集杂波等问题为多目标跟踪技术带来了严峻的挑战。近年来,作为多目标跟踪的新技术,基于随机有限集(Random Finite Set,RFS)的概率假设密度(Probability Hypothesis Density,PHD)滤波器能够免除状态估计过程中的数据关联,非常适用于解决非传统条件下的密集多目标跟踪问题。本文基于PHD滤波技术,对OTHR复杂环境下的多目标跟踪技术进行研究,主要研究成果如下:1、快速多目标跟踪的CoGMPHD滤波器:针对OTHR探测区域大,回波密集的问题,考虑新生目标和存活目标在动态演化过程中的差异性,根据多目标预测信息将雷达回波自适应划分为存活目标量测集和新生目标量测集,分别用于存活PHD和新生PHD的更新,避免标准PHD滤波器全局量测处理所导致的计算量过大问题。考虑量测划分过程中可能存在误分,设计了无效量测提取及存活PHD和新生PHD的协同交互机制。仿真结果显示,该算法在计算效率及状态估计精度方面均具有明显优势。2、面向OTHR多目标跟踪的EMDs-PHD算法:针对OTHR目标跟踪中的多路径、低检测概率等问题,提出EMDs-PHD算法,为每条路径启动一个PHD滤波器进行独立的预测和更新,单路径处理过程中未得到有效更新的存活目标PHD进行暂时保留,避免目标量测丢失导致的目标漏跟。将多路径信息视为有效信源,综合每条路径PHD更新情况进行目标新生及消亡判定,同时采用指数混合密度(Exponential Mixture Densities,EMDs)对多路径处理结果进行融合,从而实现多PHD的信息交互及有效融合。仿真结果表明,该算法在OTHR复杂环境下能够实现多目标状态的准确估计并形成稳定的目标航迹。3、一种分区跟踪的PHD框架:包括OTHR在内的多种雷达系统存在分区监测特性,将探测范围划分为多个在时间及空间上交接的跟踪区域。传统全局跟踪算法需要等待一次完整扫描,获取全区域的所有数据进行目标状态估计,实时性较差且计算效率低下。本文提出一种分区跟踪的PHD框架,对每个区域返回的数据进行实时处理及结果显示,极大减小了每次处理的数据量,显著提高了计算效率,对于跨区域运动的目标,设计PHD及区域量测的交接和反馈机制,保证多目标航迹的连续性。仿真实验结果表明,在机械扫描雷达及OTHR跟踪场景下,该框架均具有良好的跟踪效果同时显著降低了计算量。