資源描述：
《基于高斯混合概率假設(shè)密度濾波的掃描型光學傳感器像平面多目標跟蹤算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、航空學報ActaAeronauticaetAstronauticaSinicaMar．252011V01．32No．3497．506ISSN1000．6893CN11—1929／Vhttp：／／hkxb．buaa．edu．crlhkxb@buaa．edu．cn文章編號：lOOO一6893(2011)03-0497-10基于高斯混合概率假設(shè)密度濾波的掃描型光學傳感器像平面多目標跟蹤算法盛衛(wèi)東，許丹，周一宇*，安瑋，龍云利國防科學技術(shù)大學電子科學與工程學院，湖南長沙410073摘要：高斯混合概率假設(shè)密度(GM-PHD)濾波是一種基于隨機有限集理論的次優(yōu)貝葉斯多目標跟
2、蹤方法，本文研究了該算法在掃描型光學傳感器像平面的多目標跟蹤問題。針對典型的錐掃模式和推掃模式，根據(jù)其掃描特性建立目標的運動模型和測量模型。介紹高斯混合概率假設(shè)密度濾波的基本原理。針對原算法在強雜波環(huán)境中的低效率問題，借鑒傳統(tǒng)多目標跟蹤方法中的波門技術(shù)。提出相應的改進措施。最后構(gòu)建包含交叉目標、并行目標和相對運動目標等情況的多目標場景，對兩種掃描模式分別進行了MonteCarlo仿真，結(jié)果表明本文提出的算法能夠適應目標個數(shù)變化，抑制雜波的能力強，且改進后算法效率提高了約10倍。關(guān)鍵詞：隨機有限集；概率假設(shè)密度；貝葉斯方法；目標跟蹤；光學傳感器中圖分類號：V557
3、文獻標識碼：A掃描型光學傳感器具有視場大、覆蓋范圍寬的優(yōu)點，在軍用和民用的重要領(lǐng)域得到了廣泛應用[1]。由于掃描傳感器通常距離目標較遠，因此面臨信噪比低、雜波密度高及背景復雜的多目標環(huán)境，像平面內(nèi)的多目標跟蹤問題一直是一個重要難題。多目標跟蹤旨在從量測集中估計每一幀的目標個數(shù)以及每一個目標的位置速度狀態(tài)[2]。然而在掃描型光學傳感器中，由于目標的突然出現(xiàn)或者消失，目標的個數(shù)可能隨時間不斷變化。此外，由于背景的影響，探測器過門限檢測輸出包含了大量雜波點。因此，掃描型光學傳感器像平面內(nèi)的多目標航跡起始與跟蹤問題在理論研究及實際應用中都遇到了巨大挑戰(zhàn)。傳統(tǒng)的多目標跟蹤
4、方法主要基于數(shù)據(jù)關(guān)聯(lián)技術(shù)[2]，其關(guān)聯(lián)策略可以分為單幀關(guān)聯(lián)策略和多幀關(guān)聯(lián)策略，前者如全局最近鄰方法(GlobalNea—restNeighbor，GNN)和聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)方法(JointProbabilityDataAssociation，JPDA)，后者如多假設(shè)跟蹤(MultipleHypothesisTracking，MHT)方法和多幀指派(MulitpleFrameAssign-ment，MFA)方法。MHT方法和MFA方法都具有航跡起始能力，關(guān)聯(lián)性能也比單幀關(guān)聯(lián)策略更高，但在實際應用中，為提高運算效率采取了如假設(shè)裁減和合并等措施，其后果是容易造成算法性
5、能下降[3]。因此。對于目標個數(shù)時變、雜波密度高的掃描性光學傳感器而言，傳統(tǒng)的多目標跟蹤方法并不是一個好的選擇。與傳統(tǒng)的基于數(shù)據(jù)關(guān)聯(lián)的多目標跟蹤方法不相同，近年發(fā)展的基于隨機有限集(RandomFi-niteSet，RFS)理論的多目標跟蹤方法[3]對目標的持續(xù)(Survived)、分裂(Spawn)、生成(Birth)以及消亡(Death)等情況都進行了嚴格的數(shù)學描述，收稿日期：2010-06—28；退修日期：2010-07-29；錄用日期：2010-10-09；網(wǎng)絡(luò)出版時問：2010—12—1317：57網(wǎng)絡(luò)出版地址：www，cnki．net／kcms／de
6、tail／11．1929．V．20101213．1757．010．htmIDOI：CNKI：11-1929／V．20101213．1757．010*通訊作者．Tel．：0731-84573489E-mail：zhouyiyu@sohu．corn孽l甩籀武t盛衛(wèi)東．許丹．周一字，等．基于離新混合概率儇設(shè)密發(fā)濾波的掃描型光學傳感器像平面多g標躡蹤算法￡∞．航空學報，2011，32(3)：497-506．ShengWeidong。XuDan．ZhouYiyu．eta／．Gaussian-mixtureprobabilityhypothesisdensityfilter
7、basedmultitargettrackingalgorithmforimageplaneofscanningopticalsensorfJJ．ActaAeronauticaetAstronauticaSinica．2011．32(3)：497-506．498航空學報通過將多個目標的狀態(tài)和傳感器的多個測量表達為隨機有限集合，并直接估計目標個數(shù)和目標狀態(tài)，從而回避了數(shù)據(jù)關(guān)聯(lián)難題，也避免了數(shù)據(jù)關(guān)聯(lián)誤差對多目標跟蹤性能的影響，這是一種統(tǒng)一的、科學的、純貝葉斯的最優(yōu)多目標跟蹤方法[3]。然而由于直接進行多目標后驗概率的遞推濾波涉及到集合積分問題，計算復雜度很高，實際中
8、難以應用。為此，Mahl
