基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

《基于ML背景参数估计的CDKF-CPHD多目标跟踪算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2017年3月第43卷第3期北京航空航天大学学报JournalofBeijingUniversityofAeronauticsandAstronauticsMarch2017V01．43No．3http：ffbhxb．buaa．edu．anjbuaa@buaa．edu．cnDOI：10．13700／j．bh．1001—5965．2016．0189基于ML背景参数估计的CDKF-CPHD多目标跟踪算法马天力，王新民8，曹宇燕，张阳(西北工业大学自动化学院，西安710129)摘要：针对低信杂比环境下的多机动目标跟踪问题，提出了一种基于极大似然(ML)背景参数估计的

2、中心差分卡尔曼一势概率假设密度滤波(BE—CDKF—CPHD)算法。算法采用ML法实时估计重尾分布模型参数，计算检测概率和虚警概率。运用极大似然一恒虚警(ML—CFAR)算法对信号进行处理，提取有效量测值，将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合，通过中心差分法递y-3更新得到后验均值与协方差，达到对多机动目标进行跟踪的目的。仿真结果表明，在低信杂比环境中，所提算法提高了跟踪精度与目标数目估计准确度。关键词：重尾分布；中心差分法；幅值信息；极大似然估计；虚警；非线性系统；OSPA距离；信杂比中图分类号：TP273文献标识码：A

3、文章编号：1001-5965(2017)03-0516—08多目标跟踪是将雷达、声呐等传感器所接收到的观测信号，通过信号处理与数据分析，实现目标个数以及各目标运动状态的实时估计。在跟踪过程中，高杂波率、目标强机动飞行以及传感器漏检等情况的出现，大大增加了跟踪难度。因此，复杂环境下的多目标跟踪技术一直是数据处理领域所研究的重点和难点¨⋯。文献[2]提出的基于随机集理论的概率假设密度滤波器(PHD)和势概率假设密度滤波器(CPHD)，突破了传统算法所使用的数据关联理论，在保证精度的同时，提高了实时性，对于线性系统具有较高的实用价值。但在实际应用中，多目标跟踪系统大

4、部分属于非线性系统。针对这一问题，专家们提出了如高斯和概率假设密度滤波器(GSPHD)¨。、序贯蒙特卡罗概率假设密度滤波器(SMC—PHD)‘4。、扩展卡尔曼概率假设密度滤波器(EK—PHD)、无迹卡尔曼概率假设密度滤波器(UK—PHD)一1、高斯混合粒子概率假设密度滤波器(GMP—PHD)。6。和中心差分卡尔曼概率假设密度滤波器(CDKF—PHD)¨。等多种滤波方法。近年来，为了增加多目标跟踪的可靠性，提高目标观测效率，国内外研究学者通过引入幅值信息来判断量测的有效性。文献[8]提出一种基于幅值信息的概率数据关联算法，算法在粒子滤波的基础上，将概率数据关联算

5、法中的关联似然函数与幅值似然比相结合，实现对多目标进行跟踪。文献[9]将幅值信息与交互式多模型概率数据关联算法相结合，有效地改善了对多机动目标的跟收稿日期：2016-03-10；录用日期：2016-06—12；网络出版时间：2016-09-0616：00网络出版地址：WWW．cnki．net／kcms／detail／11．2625．V．20160906．1600．007．html基金项目：航空科学基金(20152853029)$通讯作者：E-mail：wxmin@nwpu．edu．an5l用格式：马天力．i新民，曹字燕，等．基fML背景参数估计的CDKF-CP

6、HD多目标跟踪算法l

7、3．北京航空航天大学学报．2017．430)：516-523．MATL，WANGXM，CAOYY，eta1．ACDKF—CPHDmulti—targettrackingalgorithmbasedonMLback—groundparameterestimation【j]．JournalofBeijingUniversityofAeronauticsandAstronautics，2017，43(3)：516—523(inChi—nese)，第3期马天力，等：基于ML背景参数估计的CDKF—CPHD多目标跟踪算法517踪。文献[10]针对基

8、于幅值信息的多目标跟踪中信杂比非先验，提出了一种信噪比(SNR)估计的多目标跟踪算法。文献[11—12]将目标幅值信息与PHD、CPHD算法相结合，对于线性模型系统中的多目标跟踪获得了较好的效果。目前，基于幅值信息的多目标跟踪算法中，大多背景杂波幅值服从高斯或者瑞利分布旧。1“，文献[13]中实验证明，这些假设并不适用于实际应用过程，因此，杂波幅值服从重尾分布的多目标跟踪问题更应该被考虑到。本文在文献[7]的基础上，提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼．势概率假设密度滤波(BE—CDKF—CPHD)算法。算法首先运用韦布尔分布对背景杂波的

9、幅值信息进行建模，之后采用ML法估计背