航迹起始问题是指在杂波环境和噪声背景中,对目标尚未形成稳定跟踪之前的航迹确立过程。作为一种典型的多目标检测技术,航迹起始是多目标跟踪的基础,在各种交通管制系统、定位、导航以及工业过程监控等众多领域都有着广泛的应用。　　由于航迹起始阶段的特殊性,通常情况下人们将这一阶段目标的运动笼统地视为匀速直线运动。由于实际目标运动方式具有多样性,这种简化处理不仅有可能降低航迹起始的准确度,而且会造成后续阶段的错误积累,并最终导致对目标的错误跟踪。因此,在杂波伴随的多目标检测问题的研究中,针对被测目标实际运动轨迹的特点加以区别对待具有很大的实际意义。此外,随着检测环境的日趋复杂,尤其是在目标数量、目标的运动信息等先验知识缺少且杂波率大的情况下,加之传感器噪声等各种客观因素的影响,量测不确定性问题变得更加严重。显然,上述条件下的多目标航迹起始问题将会变得更为复杂,同时也更具研究价值和和挑战性。　　本文分别从具有单一运动轨迹特征、具有混合运动轨迹特征这两个方面入手,针对目标数量、目标的运动信息等先验知识缺少且杂波率大的复杂背景下的多目标检测问题进行了研究。首先,在目标的运动轨迹为单一的直线轨迹或曲线轨迹的情况下,研究基于 Hough变换的航迹起始算法,解决复杂环境下目标运动轨迹为单一直线或曲线的多目标航迹起始问题,主要包括:　　(1)以具有直线运动轨迹特征的多目标检测为主要研究对象,针对Hough变换算法由于杂波干扰以及目标数量未知等因素而产生的航迹簇拥问题,提出了基于两级 Hough变换的航迹起始算法。通过对量测数据进行两级Hough变换处理后获得备选航迹及相关参数,并在参数空间里对所得参数样本进行聚类。在有效降低虚假航迹占有率的前提下,得到准确的航迹数及航迹参数,达到了快速准确地建立目标航迹的目的。　　(2)在具有曲线运动轨迹特征的多目标检测中,针对强杂波环境下随机Hough变换(Randomized Hough Transform,RHT)算法面临的采样总量难以控制、无效采样多以及由此导致的算法实时性差的问题,提出基于两点扩展网络及RHT的多目标航迹起始算法。通过有效的杂波滤除,使RHT算法工作在杂波较为稀疏的环境下,从而达到降低控制采样总量和无效采样的目的,不仅去除了现有算法中对目标数量上限值的约束,并且使算法的实时性获得了有效提高。　　其次,研究基于多阶段融合决策的多目标航迹起始方法,解决运动轨迹为包含直线和曲线的混合运动轨迹的多目标检测问题。此类方法一般是将检测过程分为两个阶段,第一阶段通常是生成候选航迹和目标数量,第二阶段进行航迹确认,并对目标状态进行估计和提取。在本文的研究方法中,综合利用传感器数据中位置及信号强度(如幅值)等多种有用信息,通过两个阶段的融合决策完成复杂背景下的多目标检测任务,具体包括:　　(1)针对概率多假设跟踪(Probabilistic Multi-hypothesis Tracking, PMHT)算法在多目标航迹起始过程中面临的需要目标数量先验已知,以及算法因初始状态选取不当而产生的错误跟踪问题,提出基于最大置信度及修正 PMHT的多目标航迹起始算法。一方面算法利用粗起始阶段产生的候选航迹为 PMHT提供有效的初值和备选目标数量,另一方面通过引入幅值信息对 PMHT算法加以改进,进一步提高了状态估计的精度,有效降低了错误跟踪现象的发生。　　(2)在具有混合运动轨迹特征的多目标航迹起始中,针对现有算法不能有效解决由于目标超低空飞行等原因而产生的不连续点迹的检测问题,提出基于扩展搜索及蚂蚁航行的多阶段融合检测算法。该方法利用扩展搜索及一步预测等手段在粗起始阶段产生候选航迹,并将这些候选航迹作为第二阶段中各蚂蚁的巢穴。由于自然界中的蚂蚁具有成功搜索断裂为若干部分的同一食物的能力,因此本文通过借鉴沙漠蚂蚁觅食航行中对路标的使用方式,使工作于第二个阶段的人工蚂蚁具有智能性。蚂蚁按照引导点的信息进行二次搜索,并借助食物置信度对搜索区域内的量测做出判断,最终完成杂波环境下具有断续点迹的多目标航迹确认及提取的任务。