信息融合系统中的目标跟踪及数据关联技术研究

【摘要】： 目标跟踪与数据关联技术是信息融合系统研究的一个重要课题,由于其在军事和民用领域已经展现出有效而广阔的理论和应用前景,备受国内外学者和众多工程领域专家的高度关注。本论文针对信息融合系统中的目标跟踪与数据关联技术,从单传感器的实时目标跟踪、多被动传感器的机动目标跟踪、红外弱小目标检测前跟踪、多传感器多目标跟踪等几个方面进行了深入系统的研究,提出了一些实时有效的新方法。各章内容安排如下: 第一章简要介绍了本文研究的背景、意义、信息融合系统及多传感器目标跟踪系统,概述了当前信息融合、目标跟踪及检测前跟踪技术的研究现状,最后给出了本文的主要研究成果和全文的内容安排。 第二章介绍了目标跟踪的基本理论及其数学描述。对现有的多目标跟踪方法进行了综述,以简明表格的形式对几十种不同的多目标跟踪方法进行了分类,并对算法的性能指标进行了评估对比。 第三章针对杂波环境中目标跟踪的实时性问题,提出了一类快速实时数据关联新方法,包括最大熵模糊概率数据关联滤波器(MEF-PDAF)和最大熵模糊联合概率数据关联滤波器(MEF-JPDAF)。为了提高目标跟踪的实时性,提出了一种用模糊聚类隶属度代替目标关联概率的权值分配新方案,并根据最大熵模糊聚类的特点,定义最大有效距离剔除大量无效观测,从而减少了计算量。 第四章在第三章的基础上,针对杂波环境中被动机动目标跟踪的实时性问题,提出了交互多模型最大熵模糊概率数据关联滤波器,建立了被动多传感器的观测模型,给出了算法的结构流程,并在不同仿真条件下对算法性能进行了验证。为了提高算法的跟踪性能,将粒子滤波与交互多模型结合,提出了一种适合于被动传感器系统的机动目标跟踪算法,利用粒子滤波对非线性问题处理的优势,推导了杂波环境中粒子滤波似然函数的表达形式,给出了算法的结构流程,并对算法性能进行了评估比较。 第五章在第四章基础上,继续对粒子滤波及检测前跟踪算法作了进一步研究。提出了一种基于迭代扩展卡尔曼滤波的粒子滤波新方法,利用迭代扩展卡尔曼滤波产生粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布。在此基础上,提出了一种基于粒子滤波的红外弱小目标检测前跟踪算法(TBD),给出了算法的流程,并用真实红外图像对算法进行了仿真验证。 第六章在FCM数据关联的基础上,提出了一种基于多FCM数据关联的多目标跟踪算法。为了使算法适应于杂波情况,提出了一种改进的FCM数据关联