基于δ-GLMB滤波器的机动多目标跟踪技术的研究

作     者：任海宁 

作者单位：哈尔滨工程大学 

学位级别：硕士

导师姓名：周凯;田晓英

授予年度：2023年

学科分类：080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 080202[工学-机械电子工程] 08[工学] 0826[工学-兵器科学与技术] 082602[工学-兵器发射理论与技术] 0802[工学-机械工程] 

主      题：机动多目标跟踪 δ-广义标签多伯努利滤波器 交互多模型 多普勒雷达 自适应新生 

摘      要：随着传感器技术的不断发展,多目标跟踪技术已经成为现代军事攻防体系的重要组成部分,其在空中侦察与预警、导弹防御、监视战场等军事领域,以及自动驾驶、机器视觉、医用图像处理等民用领域,均有广阔的应用前景。近年来,基于随机有限集的多目标跟踪技术,因解决了传统的数据关联技术在目标数量增大时产生的组合爆炸问题,逐步成为研究的热点。本文以机动目标为研究对象,从机动多目标跟踪、非线性量测的处理、多普勒雷达量测的应用、目标的自适应检测新生等几个方面,针对标签随机有限集中的δ-广义标签多伯努利(δ-Generalized labeled multi-Bernoulli,δ-GLMB)滤波器进行改进,具体研究内容如下:(1)为了提升δ-GLMB滤波器跟踪机动多目标的性能,借鉴单目标跟踪中的交互多模型框架,推导出一种新的多模型线性高斯δ-GLMB算法,解决了静态多模型算法缺乏必要的信息交互从而导致滤波精度下降的问题。该算法采用多个运动模型描述目标的运动状态,各个模型通过马尔科夫概率转移矩阵进行转移,不同的运动模型采用不同的滤波器,有效提高了δ-GLMB滤波器面对复杂机动场景的适应能力。(2)针对非线性量测下的机动多目标δ-GLMB算法计算复杂度较高、跟踪误差较大以及对杂波变化鲁棒性较差的问题,提出了一种采用去相关无偏量测转换和模糊算法改进的多模型δ-GLMB滤波器。该算法使用去相关无偏量测转换卡尔曼算法代替扩展、容积卡尔曼等传统非线性处理方式,降低了计算复杂度,并提出一种联合波门杂波滤除策略消除虚警量测,最后引入改进的模糊算法,自适应改变运动模型的过程噪声,进一步增加滤波器的跟踪精度。(3)针对δ-GLMB滤波器在多普勒雷达场景下量测信息利用不足,且只能检测固定位置的新生目标的缺陷,提出了基于多普勒雷达的自适应新生量测转换序贯δ-GLMB滤波器。该算法引入多普勒雷达中的多普勒径向速度信息,依次对位置量测和径向速度进行量测转换去相关和序贯滤波,并使用量测驱动确定新生目标的状态分布,实现目标在全检测区域的自适应新生。仿真结果表明,所提算法能够有效利用多普勒量测信息自适应检测新生目标,同时提升对机动多目标的跟踪精度。