基于高斯混合概率假设密度滤波的扫描型光学传感器像平面多目标跟踪算法

《基于高斯混合概率假设密度滤波的扫描型光学传感器像平面多目标跟踪算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航空学报ActaAeronauticaetAstronauticaSinicaMar．252011V01．32No．3497．506ISSN1000．6893CN11—1929／Vhttp：／／hkxb．buaa．edu．crlhkxb@buaa．edu．cn文章编号：lOOO一6893(2011)03-0497-10基于高斯混合概率假设密度滤波的扫描型光学传感器像平面多目标跟踪算法盛卫东，许丹，周一宇*，安玮，龙云利国防科学技术大学电子科学与工程学院，湖南长沙410073摘要：高斯混合概率假设密度(GM-PHD)滤波是一种基于随机有限集理论的次优贝叶斯多目标跟

2、踪方法，本文研究了该算法在扫描型光学传感器像平面的多目标跟踪问题。针对典型的锥扫模式和推扫模式，根据其扫描特性建立目标的运动模型和测量模型。介绍高斯混合概率假设密度滤波的基本原理。针对原算法在强杂波环境中的低效率问题，借鉴传统多目标跟踪方法中的波门技术。提出相应的改进措施。最后构建包含交叉目标、并行目标和相对运动目标等情况的多目标场景，对两种扫描模式分别进行了MonteCarlo仿真，结果表明本文提出的算法能够适应目标个数变化，抑制杂波的能力强，且改进后算法效率提高了约10倍。关键词：随机有限集；概率假设密度；贝叶斯方法；目标跟踪；光学传感器中图分类号：V557

3、文献标识码：A扫描型光学传感器具有视场大、覆盖范围宽的优点，在军用和民用的重要领域得到了广泛应用[1]。由于扫描传感器通常距离目标较远，因此面临信噪比低、杂波密度高及背景复杂的多目标环境，像平面内的多目标跟踪问题一直是一个重要难题。多目标跟踪旨在从量测集中估计每一帧的目标个数以及每一个目标的位置速度状态[2]。然而在扫描型光学传感器中，由于目标的突然出现或者消失，目标的个数可能随时间不断变化。此外，由于背景的影响，探测器过门限检测输出包含了大量杂波点。因此，扫描型光学传感器像平面内的多目标航迹起始与跟踪问题在理论研究及实际应用中都遇到了巨大挑战。传统的多目标跟踪

4、方法主要基于数据关联技术[2]，其关联策略可以分为单帧关联策略和多帧关联策略，前者如全局最近邻方法(GlobalNea—restNeighbor，GNN)和联合概率数据关联方法(JointProbabilityDataAssociation，JPDA)，后者如多假设跟踪(MultipleHypothesisTracking，MHT)方法和多帧指派(MulitpleFrameAssign-ment，MFA)方法。MHT方法和MFA方法都具有航迹起始能力，关联性能也比单帧关联策略更高，但在实际应用中，为提高运算效率采取了如假设裁减和合并等措施，其后果是容易造成算法性

5、能下降[3]。因此。对于目标个数时变、杂波密度高的扫描性光学传感器而言，传统的多目标跟踪方法并不是一个好的选择。与传统的基于数据关联的多目标跟踪方法不相同，近年发展的基于随机有限集(RandomFi-niteSet，RFS)理论的多目标跟踪方法[3]对目标的持续(Survived)、分裂(Spawn)、生成(Birth)以及消亡(Death)等情况都进行了严格的数学描述，收稿日期：2010-06—28；退修日期：2010-07-29；录用日期：2010-10-09；网络出版时问：2010—12—1317：57网络出版地址：www，cnki．net／kcms／de

6、tail／11．1929．V．20101213．1757．010．htmIDOI：CNKI：11-1929／V．20101213．1757．010*通讯作者．Tel．：0731-84573489E-mail：zhouyiyu@sohu．corn孽l甩籀武t盛卫东．许丹．周一字，等．基于离新混合概率儇设密发滤波的扫描型光学传感器像平面多g标蹑踪算法￡∞．航空学报，2011，32(3)：497-506．ShengWeidong。XuDan．ZhouYiyu．eta／．Gaussian-mixtureprobabilityhypothesisdensityfilter

7、basedmultitargettrackingalgorithmforimageplaneofscanningopticalsensorfJJ．ActaAeronauticaetAstronauticaSinica．2011．32(3)：497-506．498航空学报通过将多个目标的状态和传感器的多个测量表达为随机有限集合，并直接估计目标个数和目标状态，从而回避了数据关联难题，也避免了数据关联误差对多目标跟踪性能的影响，这是一种统一的、科学的、纯贝叶斯的最优多目标跟踪方法[3]。然而由于直接进行多目标后验概率的递推滤波涉及到集合积分问题，计算复杂度很高，实际中

8、难以应用。为此，Mahl