雷达跟踪算法论文目标跟踪算法论文

雷达跟踪算法论文目标跟踪算法论文

雷达多目标跟踪算法

摘要:文章简述了雷达多目标跟踪系统中状态估计和航迹数据关联两大问题的研究现状并对主流算法进行分析对比。状态估计问题主要分析了线性滤波及非线性滤波的主流算法。数据关联问题主要分贝叶斯类和最大似然概率类进了行讨论分析。

关键词:雷达；目标跟踪；卡尔曼滤波；数据关联

1引言

将数学算法引入到雷达系统，已经有百年历史，雷达数据处理方法始于高斯将最小二乘算法应用于神谷星的轨道预测，随后R.A.Fisher的极大似然估计法、N.Wiener的维纳滤波法都曾给雷达数据处理带来巨大变革，而由Kalman滤波逐步完善而来的卡尔曼滤波估计理论已经在雷达数据处理中占有非常重要的地位。雷达目标跟踪算法主要有状态估计、航迹点迹处理两个部分。

2状态估计

状态估计是对目标过去的运动状态进行平滑、对目标现在运动状态进行滤波以及对目标未来的运动状态进行预测的方法。

2.1线性滤波算法

在所有的线性形式的滤波器中，线性均方估计滤波器是最优的。线性均方误差准则下的滤波器包括：维纳滤波器和卡尔曼滤波器，稳态条件下两者是一致的，但卡尔曼滤波器适用于有限观测间隔的非平稳问题，它是适合于计算机计算的递推算法。[1]表1列出详细对比。

2.2 非线性滤波

无源探测系统不能测距，欲获得目标状态良好估计需用到非线性滤波方法，包括扩展卡尔曼滤波（EKF）、不敏卡尔曼滤波（UKF）及粒子滤波（PF）[2]。表二列出了详细对比分析。

由以上对比可知，速度上，EKF具有明显优势，但当系统的非线性强度增大导致线性化误差增大时，EKF的估计精度下降，甚至发散；精度上UKF和PF性能相似，但就计算量而言PF远远超过UKF[3]。综上，在一般的非线性高斯环境中宜采用UKF，在更复杂的非高斯环境中，PF将具有更广泛的应用前景。

3 多目标跟踪

多目标跟踪的基本方法，可以分为极大似然类数据关联算法和贝叶斯类数据互联算法。极大似然类数据关联算法包括人工标图法、航迹分叉法、联合极大似然算法、0-1整数规划法、广义相关法等。贝叶斯类互联算法包括最近邻域法、概率数据互联算法、联合数据互联算法、最优贝叶斯算法、多假设方法等[4]。

3.1 极大似然类多目标数据关联算法

在极大似然类数据关联算法中，目前主要应用的是航迹分叉法、两盒极大似然算法、0-1整数规划法和广义相关法这四种算法。表三就这几种线性关联算法进行对比分析。

通过实验，在测量杂波环境相同的条件下，航迹分叉法的计算耗时最长，计算量最大，这是由于它无区别地分配有效测量，不处理同

一量测在多分枝中的竞争所导致的。联合极大似然法次之，0-1整数规划法和广义相关法相对耗时较少，具有较好的实时性。

综上各个方面。可以看出广义相关法能够较好地进行量测点迹的分配，并具有较好的算法实时性。

3.2 贝叶斯类多目标数据互联算法

贝叶斯类的多目标跟踪算法根据计算方式可以分为最优贝叶斯和次优的贝叶斯两大类算法。次优的贝叶斯类算法只对最新的确认量测集合进行研究，最优贝叶斯算法是对当前时刻的所有确认量测集合进行研究，给出每个量测序列的概率。

次优贝叶斯类算法中联合概率数据互联算法（JPDA）是在概率数据互联滤波器（PDAF）的基础上发展起来的，是在杂波环境下对多目标进行数据互联的一种非常合适的算法。

最优贝叶斯算法是一种全邻域滤波器，它考虑了时间积累信息，能够提供密集环境下最优的性能，因此成为后验全邻域算法。多假设多目标跟踪算法（MHT）是以“全邻”最优滤波器和“聚”的概念为基础，在理想条件下，MHT被认为是数据互联处理的最优方法[5]。

４结论

本文介绍了雷达多目标跟踪中两个主要问题--状态估计和数据关联的各种解决算法以及它们在适用条件、性能各方面的对比。在雷达军用民用广泛应用的今天，仍然存在许多有待解决的问题，如低空、多机动目标跟踪问题均是实际中迫切需要解决的问题。

参考文献

[1]R.A.Singer, R.G.Sea. New results in Optimizing Surveillance System Tracking and Data Correlation Performance in Dense Multitarget Environments. IEEE Trasactions. Automatic Control, 1973, 18(6):571-582.

[2]Kalman滤波及滤波在雷达目标跟踪中的应用仿真研究．雷达与电子对抗一体化及仿真技术学术论文集．2010.10.187-191．

[3]T.L.Song, J.L. Speyer. A Stochastic Analysis of a Modified Gain Extended Kalman Filter with Application to Estimation with Bearing Only Measurements. IEEE Transactions on Automatic Control.1985.30,30(10):940-949.

[4]何友，修建娟，张晶炜，关欣.．雷达数据处理及应用（第二版）．电子工业出版社．2009．

[5]崔吉，张燕超．基于卡尔曼滤波的多运动目标跟踪算法研究．影像技术．2010第三期．