基于证据理论-粒子滤波的多机动目标联合检测与跟踪算法研究

多机动目标检测与跟踪是目标跟踪领域一个非常具挑战性的问题，被广泛地应用于导弹防御系统、防空雷达、机载雷达、水下机器人、鱼雷跟踪系统等。与传统的先检测后跟踪方法不同，多目标联合检测和跟踪方法实现了检测与跟踪一体化，能充分利用量测信息，并能保存目标在被确认之前的运动信息。本项目将在证据理论的框架下，发展一种新的基于改进的混合粒子滤波的多目标联合检测和跟踪方法，采用mass函数统一描述全局后验概率密度函数中每个模的可能属性，并采用基于Pignistic概率的决策过程确定模的属性。基于证据理论的跟踪算法在信息足够充分时才作出决策，能有效避免错判杂波为目标或漏判目标的情形。针对机动目标跟踪问题，本项目将发展一种新的基于等价过程噪声辨识的单模型粒子滤波方法。该方法具有简单、约束条件少的优点；由于能在每一时刻对目标机动进行估计，所以能有效解决单模型方法跟踪复杂机动目标时遭遇的模型失效问题。

多机动目标检测与跟踪是目标跟踪领域一个非常具有挑战性的问题。在实际应用中，由于跟踪区域中目标数不断变化，且每一时刻的量测值不仅仅包含真实目标的量测信息，也包含了大量杂波信息，因此非常容易出现跟踪目标丢失、混淆和易受杂波干扰、欺骗等问题，如果被跟踪目标属于导弹、飞机等高机动目标，则进一步增加了目标跟踪的难度。本项目对多机动目标检测与跟踪问题进行了系统深入的研究，取得了如下研究成果：1) 提出了一种基于证据理论的混合粒子滤波多目标联合检测和跟踪算法，通过跟踪全局后验概率密度模型，实现对数量未知且不断变化的目标的联合检测与跟踪。此算法的创新点在于将证据理论引入多目标联合检测和跟踪中，在信息足够充分时做出决策，有效避免了错判杂波为目标或漏判目标的情形。进一步，证据理论为非结构信息融合提供了一个非常灵活的框架，所以此算法具有基于非结构化信息对多目标实现联合检测、识别和跟踪的巨大潜力。2) 提出了一种基于粒子滤波的多机动目标跟踪算法。首先提出了一种基于等价过程噪声辨识的单模型粒子滤波算法，此算法采用粒子滤波方法在每一时刻估计出等价过程噪声，通过等价过程噪声和目标运动模型的叠加得到每一时刻机动目标的运动信息，从而实现对高机动目标的跟踪。此算法具有单模型方法普遍具有的简单、约束条件少的优点。进一步，提出了一种基于粒子滤波的多扫描联合概率数据关联算法，用于处理多目标跟踪中的关联问题。最后，将基于等价过程噪声辨识的单模型粒子滤波算法和基于粒子滤波的多扫描联合概率数据关联算法结合起来，提出了一种有效的多机动目标跟踪算法。此算法用于跟踪多个近距离运动的高机动目标，仿真实验结果验证了算法的有效性。3）提出了一种基于压缩感知的多目标联合检测跟踪算法。此算法的创新点在于采用噪声驱动压缩感知方法在连续扫描区间为每个距离门重构稀疏雷达场景（来临角—多普勒平面），从而构成一个三维的量测空间（距离—来临角—多普勒空间），并在此三维量测空间中检测和跟踪多个目标，有效避免了大多数作用于状态空间的跟踪方法所遭遇的模型非线性问题。.在自然基金的资助下，圆满并超额完成了研究计划规定的任务，已发表SCI论文10篇，EI论文8篇。项目主持人积极参加国内外学术交流活动，在世界信息融合大会和中国控制会议上共宣读6篇论文，并担任在新加坡举办的第15届世界信息融合大会分会主席。