李 勇 霍 伟

(北京航空航天大学 自动化科学与电气工程学院，北京100191)

多目标跟踪问题无论在军事和民用方面都有着十分广泛的应用，如弹道导弹防御、空防、空中打击、海洋监视、战场监视以及空中交通管制等等.因此，这一问题一直是多年来研究的热点.多目标跟踪过程的关键是如何进行有效的数据关联，数据关联是多目标跟踪技术中最重要而又最困难的方面.传统的数据关联技术有很多，如最近邻(NN，Nearest Neighbor)［1］、联合概率数据关联(JPDA，Joint Probabilistic Data Association)［2］、多假设跟踪(MHT，Multiple Hypothesis Tracking)［3］等.MHT考虑回波来源与目标、杂波和新目标等各种可能的情况，构造面向量测的关联假设数，以实现多目标的数据关联和跟踪.JPDA是MHT方法的一个特例，避免了NN算法唯一性可能造成的关联出错.JPDA一直是公认的精度较好的经典数据关联方法，但其计算量随着目标和回波数增长呈指数递增，往往难以满足实时性要求.不少学者根据实际问题不断提出JPDA的一些改进算法，如文献［4－6］等.这些改进算法都是在JPDA可行性规则的基础上进行某种假设，以牺牲精度为代价，未从根本上解决JPDA的计算量问题.

上述这些算法多基于概率统计方法，往往需要假设量测噪声、杂波服从某种统计规律，且关联算法与滤波跟踪算法耦合，滤波跟踪算法的精度直接影响数据关联的准确性.针对这些问题，本文用不依赖于模型的跟踪微分器(TD，Tracking Differentiator)来实现杂波环境下的数据关联，在降低对计算能力要求的同时还可以避免因为目标模型或……