基于随机有限集的部分可分辨的群目标跟踪方法研究

群目标跟踪是近几年目标跟踪领域的一个研究热点。群目标是指多个个体聚集成一个或多个群体运动。在很多实际应用中，由于传感器分辨率不充分，使得群内的个体目标是部分可分辨的。针对此问题，本课题期望在随机有限集（RFS）理论框架下，通过对群目标整体的时间演化特性和测量似然函数建模，设计一种基于概率假设密度（PHD）的部分可分辨的群目标滤波与平滑算法，给出它们在非线性非高斯条件下的粒子滤波实现，进一步讨论如何设计一种鲁棒型更好的聚类方法来直接提取群而非个体的个数和状态。本研究的最大优点是可以避免复杂的数据关联过程。最后，期望通过Monte Carlo仿真试验将本课题所建议的方法和以往的群目标跟踪方法进行比较，以验证本方法的性能。本课题为部分可分辨的群目标跟踪问题提供了一个新的解决思路。

针对原定研究目标，本项目的完成情况为：.（1）在理论研究方面：.A) 建立了更为精确的群目标运动模型和部分可分辨的传感器观测模型；.B) 对原有的基于数据关联的群目标跟踪方法进行了完善；.C) 对基于随机有限集（RFS）理论的群目标跟踪方法进行了深入研究，提出了群目标（或扩展目标）势概率假设密度滤波器和群目标（或扩展目标）多伯努利滤波器；.D) 研究了所建议的群目标（或扩展目标）跟踪算法的收敛性，给出了其满足均方收敛的条件；.E) 研究了群目标（或扩展目标）联合检测与估计的误差界（即其所能达到的最小估计误差），通过该误差界对从理论上所建议算法的性能进行评估。并详细分析了所建议的群目标跟踪算法的计算代价。.F) 对存在系统偏差下的基于多传感器的群目标跟踪问题进行了深入研究，提出了基于RFS的群目标（或扩展目标）跟踪和配准一体化算法。.（2）在工程应用方面：.A) 设计并开发了一套群目标跟踪半物理仿真演示系统，该系统采用ARM板搭建硬件平台，利用C++语言进行程序开发，可以针对不同跟踪场景对所建议的算法进行性能测试。所测试的性能指标包括群目标个数和状态估计精度、算法的实时性和鲁棒性等。.B) 根据合作单位所提供的实测数据和高仿真数据在硬件平台上对所建议的群目标跟踪方法进行了详细的测试，并结合实际工程要求对其进行了调整和优化，顺利完成了与之相关的预研项目。. 最终，在本项目的支持下，项目组已发表和已录用论文28篇，其中国际期刊13篇，国内期刊7篇，国际会议8篇，已被SCI检索12篇，EI检索14篇，撰写国防报告1篇。培养博士研究生4人，硕士研究生8人。总体来说，本项目按计划完成了预定目标，在部分内容上已超额完成任务。