基于随机有限集理论的多扩展目标跟踪关键技术研究

With the development of high resolution sensors, the multiple extended target tracking techniques for an unknown and time-varying number of targets have become a hot topic and an extremely difficult problem in the target tracking field. For the multiple extended target tracking, the following problems are very common: the measurement rates are unknown; it is hard to plot the measurement sets of the multiple extended targets with irregular shapes; the targets are inclined to be wrongly estimated or omitted when the targets are close, shielded or splitted; and it is hard to associate the trajectories correctly when the targets move in parallel or cross each other, etc. To solve these problems, we will carry out the following research works based on the theories of the random finite set and probability hypothesis density: (1) estimating the unknown measurement rates by designing an effective method; (2) designing an adaptive method for plotting the measurement sets by integrating the measurement rate estimates; (3) constucting the shape model for each extended target and designing the update strategies for different stages of the close, shielded or splited targets, which can improve the accuracy of state and shape estimates; (4) designing the track maintenance algorithm by digging up the important information of the targets for track association when the targets are close or parallel, or cross each other, achieving the continuity of multiple extended target tracking.

随着现代雷达等探测设备分辨率的不断提高，数目未知且时变的多扩展目标跟踪已经成为目标跟踪领域的研究热点和难点问题。针对多扩展目标跟踪，由于存在多扩展目标量测产生率不确定问题；不规则形状多扩展目标量测集难以划分问题；多扩展目标紧邻、遮挡或分裂时，易导致目标被错估计或漏估计问题；多扩展目标平行和交叉运动时航迹难以正确关联问题等，本项目以随机有限集和概率假设密度为理论支撑，拟开展以下研究内容：(1)设计未知量测产生率估计方法；(2)融合量测产生率，设计自适应量测集划分方法，以解决扩展目标紧邻及形状不规则的量测集划分问题；(3)对不同的扩展目标分别建立形状模型,针对扩展目标紧邻、遮挡和分裂时设计新的状态更新策略，以提高扩展目标状态和形状的估计精度；(4)针对多扩展目标的紧邻、平行和交叉运动时航迹关联问题，充分挖掘目标的有用信息，设计有效的扩展目标航迹管理方法，实现多扩展目标的连续跟踪。

针对复杂环境下的多扩展目标跟踪，传统的点目标跟踪问题中一个目标对应一个量测的假设不再成立，而是要解决多个量测对应同一个目标的问题，对跟踪技术提出了更高的要求，尤其是对杂波环境下，数目未知且变化的紧邻多扩展目标跟踪，已成为目标跟踪领域具有挑战性的科学问题。基于此，本项目重点开展了以下几个方面的研究，且取得的部分成果如下：.（1）研究了多扩展目标紧邻和不规则形状的量测集划分及量测率估计问题。在对谱聚类和AP聚类技术进行深入研究的基础上，分别提出基于谱聚类GM-PHD多扩展目标跟踪量测集划分算法和基于近邻传播（AP）聚类的多扩展目标量测集划分算法；此外，针对量测率未知的问题，提出了自适应量测率估计算法，并可反馈指导量测的划分，改善了多扩展目标跟踪性能； .（2）研究不规则形状多扩展目标的形状估计问题。本项目重点研究了高斯曲面矩阵技术和B样条曲线拟合技术，分别提出了基于高斯曲面矩阵多扩展目标跟踪算法和基于B样条曲线拟合的多扩展目标跟踪算法，都能较好地估计不同多扩展目标的任意形状；.（3）研究了多扩展目标的航迹关联和管理问题。本项目重点研究扩展目标紧邻、交叉和分裂等复杂环境下多扩展目标航迹关联技术，充分挖掘扩展目标的形状信息，在Gaussian inverse Wishart PHD (GIW-PHD) 滤波的基础上，提出基于形状信息的量测划分和航迹管理算法，取得了较好的多扩展目标跟踪效果。此外，针对原始ET-GM-PHD滤波算法跟踪紧邻多扩展目标时存在的漏跟问题，提出了一种有效的惩罚策略，对滤波算法中的似然函数进行了修正，改善了算法对紧邻目标的多扩展目标跟踪性能；.（4）针对复杂环境下多目标机动跟踪问题，重点研究了自适应参数估计算法，并结合粒子滤波技术，提出了自适应参数估计的PHD滤波算法，有效提高了对任意机动的多目标跟踪精度；此外，针对多目标跟踪中紧邻目标跟踪问题，分别提出了加权融合算法、量测驱动算法等。