基于复杂强度分布量测随机集模型的扩展目标跟踪方法研究

Along with the wide use of modern high-resolution sensor and short-range surveillance need for ground and ocean targets, the sensor can resolve more than one scatter cell from the same target. It is necessary to develop efficient methods to model and track for the extended target.Traditional tracking methods for point targets fail to perform well for tracking the extended target, due to the complex measurenment generation scheme and the association between measurment sources and measurments. The RFS (Random finite set) theory provides a good tool for this research area. To track the extended target,the key problem is to establish a fit model for measurement sources of the extended target, and develop tracking methods based on the complex measurement sources model.Its scientific essence is how to describe the mesurement generation scheme and provide the estimates for both the centroid and target extent.The project will present an approach to track the extended target based on measurment RFS model with complex intensity distribution. Primary contents of the research include modeling for extended target with the complex shape, estimating for shape parameters based on equivalent measurements, and estimating for the centroid based on measurment RFS model with complex intensity distribution.

随着高分辨率传感器的广泛使用，以及近距对地对海探测需求，传感器能分辨出同一目标的多个散射单元。研究针对扩展目标的建模与跟踪方法是目标跟踪领域的必然要求。受扩展目标复杂的量测产生机理、以及量测源与量测值对应关系不明确等因素影响，传统的适用于点目标的跟踪方法无法适应对扩展目标的跟踪需求。随机有限集方法的引入为这一领域的研究提供了新思路。针对复杂形状扩展目标跟踪问题，最核心和困难的地方体现在对扩展目标量测源进行合理建模、以及提出针对复杂量测源模型的跟踪方法方面；其科学本质是：如何恰当地表述扩展目标的量测产生机理，并结合时间演化模型与测量模型，求解扩展目标形状参数和质心状态的联合估计问题。本项目将提出基于复杂强度分布量测随机集的扩展目标跟踪方法。研究内容包括：复杂形状扩展目标量测源的随机有限集建模、基于累积等效量测的扩展目标形状参数估计方法、以及基于复杂强度分布量测随机集模型的质心状态估计。

本项目针对扩展目标跟踪领域中的量测源建模与量测集划分问题、质心与形状参数估计问题，以及适用于扩展目标量测随机集模型的递推贝叶斯估计问题展开了深入研究，主要研究成果如下：. 在理论研究方面：.（1）扩展了基于随机矩阵的量测源建模与目标跟踪方法，采用基于密度的空间聚类划分与预测划分相结合的联合划分算法，并基于联合概率数据关联思想建立量测簇与扩展目标之间的对应关系，以跟踪多个扩展目标。.（2）提出了一种改进的基于高斯混合概率假设密度滤波器的扩展目标跟踪,该方法为高斯混合后验强度函数的每一个分量加标签，该标签随着时间的推移进行相应的演化，并继而形成扩展目标航迹。同时给出了相应的航迹管理方案以实现扩展目标航迹的建立，维持与终止。 .（3）提出了一种基于随机超曲面的高斯混合概率假设密度滤波器，采用随机超曲面模型描述任意凸星形扩展目标量测源分布，建立了扩展目标运动状态及形状参数与量测之间的函数关系。该方法不仅可以估计凸星形扩展目标的形状信息，并能有效提高目标数目和运动状态的估计精度。. (4)为解决杂波密度较大时基于距离的量测集划分算法存在的问题，提出了自适应划分算法和基于共享最近邻相似度的量测集划分算法，以改善扩展目标跟踪效。 （5）当多个扩展目标相互接近时，来自于不同扩展目标的量测子集将会相互覆盖。提出了一种组合基于密度的空间聚类与模糊 C均值的量测集划分方法，以降低错误划分给后续扩展目标跟踪带来的负面影响，并将其在扩展目标高斯混合概率假设密度滤波器中予以实现。 . 在实验验证方面： . 搭建了一个可用于跟踪多个扩展目标的半物理仿真实验环境，以产生多目标状态信息、多传感器量测信息以及杂波干扰信息，并对该项目所提出的算法性能进行测试，包括算法的精度指标和实时性指标等。实验结果验证了所提出算法的有效性。. 在本基金支持下，项目组累计发表（或录用）论文21篇，其中国际期刊9篇，国内期刊4篇，会议论文8篇。SCI源刊9篇，EI检索9篇。申请发明专利1项。合作培养博士研究生1人，硕士研究生7人。总体来说，我们顺利完成了项目研究计划，实现了项目的研究目标。研究成果对扩展目标跟踪理论方面的研究具有理论意义，并具有一定的工程推广价值。