侯立斐，郑晓薇，于梦玲

（辽宁师范大学 计算机与信息技术学院，辽宁 大连 116081）

多目标跟踪是为了维持对多个目标当前状态的估计，及对探测器所接收到的回波信息进行处理的过程[1]，核心部分是数据关联。数据关联是用来解决传感器在空间覆盖区域中的重复跟踪问题。联合概率数据关联算法JPDA（Joint Probabilistic Data Association）[2]是公认有效的多目标跟踪的经典数据关联方法。但目标跟踪门的交叉区域若存在过多的干扰杂波，会影响数据关联的精度，导致跟踪系统概率数据关联算法的滤波值发散，最终影响跟踪性能。为解决此问题，人们不断提出了一些新方法。

MC-JPDA算法[3]和 MCMCDA算法[4]，基本思想都是用蒙特卡洛循环来收敛关联概率，极端情况下的收敛需要迭代过多。参考文献[5]提出利用模糊C-均值聚类算法实现数据关联，能对多目标进行有效关联，但是密集杂波环境下的跟踪效果差；参考文献[6]研究了基于支持向量机的航迹关联算法，实现了多传感器信息融合的航迹关联，却未优化回波的数据关联。本文采用支持向量机技术对有效回波进行分类，提高了跟踪效率。

1 利用支持向量机分类有效回波

在多目标跟踪中，跟踪门是跟踪空间中的一块子空间，系统正确接收回波的概率确定其大小，跟踪门的形成既是维持跟踪或保持目标轨迹的先决条件，也是限制不可能决策数目的关键环节。跟踪门规则是最直接和最有效的减少JPDAF框架中有效假设数量的方法[7]，但是实际情况中的回波点和杂波点存在于多个跟踪门交叉区域的情形却很常见。……