基于随机有限集的复杂观测过程多目标跟踪技术研究

Multi-target tracking algorithms play an important role in both military and civilian applications.With the development of sensor technology, the measurement process corresponding to multi-target tracking algorithm is becoming more and more complicated, and it is of great significance to study the multi-target stable tracking problem in complex measurement processes.The target tracking algorithms based on random finite set is suitable for the scene where the target appears and disappears, avoids the complicated data association process, and has the advantage of low computational complexity. It is a hotspot in the field of target tracking and information fusion.The current research has proved that the random finite set algorithms still have good potential for tracking performance under complex observation conditions, which deserves further study.This project uses random finite set as a technical means, focusing on solving multi-target tracking problems in complex measurement processes, and achieving multi-target stable tracking.The following research is proposed: 1) Propose the general cardinality probability hypothesis density (CPHD) filter for arbitrary clutter and target measurement processes and prove its versatility; 2) Propose more applicability partitioning algorithm to reduce the computational complexity; 3) Propose multi-sensor versions of the filter for arbitrary clutter and target measurement processes.

多目标跟踪算法在军事和民用领域都具有重要作用。随着传感器技术的发展，多目标跟踪算法所对应的观测过程日趋复杂化，研究复杂观测过程中的多目标稳定跟踪问题，具有重要意义。基于随机有限集的目标跟踪方法，适用于存在目标出现和消失的场景，避免了复杂的数据关联过程，具有计算复杂度低的优点，是目标跟踪与信息融合领域的热点。当前的研究已经证明了随机有限集方法在复杂观测条件下仍然有取得很好的跟踪性能的潜力，值得进一步深入研究。本项目以随机有限集为技术手段，着眼于解决复杂观测过程中的多目标跟踪问题，实现多目标稳定跟踪。拟开展如下研究：1）提出适用于任意杂波和目标观测过程的泛集势概率假设密度（CPHD）滤波器并证明其通用性；2）提出适用性更强、能够减小滤波器计算复杂度的通用分割算法；3）适用于任意杂波和目标观测过程的滤波器的多传感器版本。

多目标跟踪算法在军事和民用领域都具有重要作用。随着传感器技术的发展，多目标跟踪算法所对应的观测过程日趋复杂化，研究复杂观测过程中的多目标稳定跟踪问题，具有重要意义。基于随机有限集的目标跟踪方法，适用于存在目标出现和消失的场景，避免了复杂的数据关联过程，具有计算复杂度低的优点，是目标跟踪与信息融合领域的热点。本项目以随机有限集为技术手段，解决了复杂观测过程中的多目标跟踪问题，实现多目标稳定跟踪。成功完成如下研究：1）提出了另一种形式的泛PHD滤波器，能够使用于任意杂波和目标观测过程，并在此基础上提出了任意杂波扩展目标PHD滤波器；同时，课题提出了适应性更强的泛CPHD滤波器，该滤波器是各类CPHD滤波器、PHD滤波器和伯努利滤波器的基础。2）分析了泛PHD滤波器和泛CPHD滤波器的校正步形式，然后提出了一种通用分割算法，能够在保持滤波器性能的同时，大幅度减小滤波器计算复杂度。3）将排序指派技术和K最短路径（KSP）技术相结合，提出了降维指派技术；随后将降维指派技术与随机有限集理论相结合，提出了一种基于复合观测的多传感器GLMB滤波器，具备计算效率更高，不依赖于目标的先验信息求解的优点，因而在复杂观测的场景下能够充分利用多传感器获取的信息，得到更好的跟踪性能。