试论有限集统计学理论下的目标跟踪技术

2022-09-11

1 引言

在现代监视系统、交通控制系统中, 目标跟踪是一项十分重要的技术, 通过运用可见光、红外、雷达等传感器观测数据, 估计目标状态。目标跟踪是数据关联的使用, 实现分发目标和数据, 然后使用过滤技术来估计完整的目标状态。但由于背景中有密集的目标, 目标分配和观测数据的问题更大, 因此跟踪效果不理想。基于此, 目标跟踪技术的有限集统计理论, 能够有效地解决问题, 取得更好的目标跟踪效果。

2 航迹生成技术

有限集统计理论的多目标跟踪算法, 离散时间的递归估计, 目标状态的有限数量, 不过, 没有对连续时刻目标之间的关系进行给出。可以利用传统数据关联技术, 对目标航迹进行估计。在有限集统计理论下, 多目标跟踪算法作为杂波滤波器, 将多目标RFS离散时间估计作为观测集, 利用MHT数据关联技术, 形成目标路径[1]。在基于分辨单元的PHDF当中, 当峰可以提取时, 加权和方法在例子中区分单位。重量是所有重量单位的总和。通过使用约束优化算法, 没有分布, 完成多目标跟踪和关联, 实例将提取峰值值和跟踪标号。

3 参数未知和机动多目标跟踪技术

在有限集统计理论中, 多目标跟踪技术需要对各种参数进行建模, 在实际应用中, 这些参数通常不能准确地建模, 甚至完全未知。在此基础上, 基于距离的新粒子生成方法可用于被动相干定位。不能在新的目标强度函数信息的基础上使用一种简单的新目标建模方法。杂波密度是未知的, 假警报是用来估计错误的目标建模不同的集合和真正的目标。在多机动目标跟踪技术中, 对PHDF进行应用, 利用多模型PHDF滤波方法, 用粒子滤波法近似求解, PHDF的性能优于单一模型。您还可以根据线性高斯跳跃来转换马尔可夫系统的PHD过滤方法, 使用基于多JPDA的IMM目标跟踪算法, 具有类似的性能, 不过能够有效减少运算量。

4 最优多目标贝叶斯滤波器近似技术

在最优多目标贝叶斯滤波近似技术中, 包括一阶矩逼近法, 高阶矩逼近法, 伯努利近似法。RFS的第一个时刻, 也称为概率假设密度, 强度函数 (PHD) , 近似多目标后密度, 可以通过概率假设密度滤波器 (PHDF) 得到。使用单一目标状态空间积分链接, 能够有效减少运算量。不过, 为了对完整的PHDF进行获取, 应根据泊松分布设定目标数目[2]。CPHDF是带有势分布的PHDF, 第一时间合并PHD, 以及高阶矩的潜在分布。介绍了信息的潜在分布, 增加了计算复杂度, 但目标数估计更准确。假设杂波的低密度、杂波服从泊松分布, 将多伯努利滤波器推到最优多目标贝叶斯滤波近似多对象上。目标出生死亡过程和伯努利分布线的假设, 递归地传递多个目标后密度。

5 基于有限集统计学理论的目标跟踪原理

在时间k的多目标背景假设中, 具有xk, 1-xk, n的目标集合, 基于漏检、杂波、旧目标消失、新目标出现等情况, 单一目标状态是可变的, 同时测量的数量和目标数是随机变量, 因此, 多目标跟踪, 将其转化为多目标状态空间和观测空间目标滤波问题。跟踪目标基于有限集统计理论, 明确数据关联处理过程, 随着时间递归滤波的增加, 并提高杂波密度, 关联假设将增加数字。在目标状态和观测空间的空间中, 具有无限维度特征, 因此, 在实际应用中, 最优多目标贝叶斯滤波器是一个很好的应用。因此, 需要对最优多目标贝叶斯滤波器多种原理性近似滤波器进行应用。

6 基于有限集统计学理论的目标跟踪技术

在监视场景中, 如果有最多的一个目标, 那么最优的多目标贝叶斯滤波器已经成为联合探测和跟踪滤波器的单一目标。随着科学技术的不断发展, 传感器设备的分辨率和改进各种干扰技术, 抗干扰技术得到了广泛的应用。因此, 在出现混乱时, 扩展目标跟踪问题更重要。由于多径效应的影响, 一个目标可能会有多个测量值产生。而当前的目标跟踪技术, 通常会假设一个目标只会有一个测量值产生, 例如IPDA、概率数据关联滤波器等。在杂波背景下, 难以运用这些技术进行扩展目标跟踪。对此, 采用基于RFS观测的单目标滤波器, 场景中只有一个目标, 目标是产生多个测量值, 存在未被发现的杂波, 多目标贝叶斯滤波更新方程是一个多目标观测的可能性。

7 结语

有限集统计学理论下的目标跟踪技术, 是一项十分重要的技术, 在其发展中, 对于目标跟踪鲁棒性的增强, 以及跟踪精度的提升都是十分重要的。对此, 在未来的发展中, 针对多个机动目标跟踪、多传感器融合目标跟踪、跟踪和目标检测、分类等多目标跟踪性能评估, 应注意多目标跟踪性能评估。

摘要:对于杂波背景下的目标跟踪问题, 通过有限集统计学理论, 能够对工程友好的理论工具进行提供。随着有限集统计学理论下的目标跟踪技术的发展, 包括了基于有限集观测的单目标滤波器、单目标联合检测与跟踪滤波器、航迹生成方法、参数未知与机动多目标跟踪技术、最优多目标贝叶斯滤波器及近似技术等, 都是十分重要的组成部分。

关键词:有限集,统计学理论,目标跟踪技术

参考文献

[1] 李天成, 范红旗, 孙树栋.粒子滤波理论、方法及其在多目标跟踪中的应用[J].自动化学报, 2015 (12) .

[2] 冯新喜, 蒲磊, 孔云波, 等.基于随机有限集理论的多扩展目标跟踪技术综述[N].空军工程大学学报·自然科学版, 2016 (3) .

[3] 李翠芸, 王荣, 姬红兵.基于变分贝叶斯势均衡多目标多伯努利滤波的多扩展目标跟踪算法[J].控制理论与应用, 2015 (2) .

上一篇:浆态床费托合成反应催化剂的数值计算与应用下一篇:城市基础空间数据更新研究