陈　杭, 张伯彦, 陈　映

(北京无线电测量研究所, 北京 100854)



关联深度自适应的多假设跟踪研究

陈杭, 张伯彦, 陈映

(北京无线电测量研究所, 北京 100854)

多假设跟踪(multiple hypothesis tracking, MHT)方法是一种在多个扫描上评价关联假设并由此做出决策的贝叶斯型关联跟踪方法,此方法能够在信噪比低10～100倍的状况下获得与单扫描方法相当的性能,但同时会带来相当大的计算量。本文研究了面向航迹MHT中的关键算法,包括航迹得分计算与航迹树的生成、将航迹聚类和假设生成建模为图论问题并求解、N扫描回溯剪枝等,特别关注了这些算法过程的实现;提出了一种关联深度自适应(adaptive association depth, AAD)方法,使关联深度随关联场景的复杂程度自适应变化;仿真研究了本文提出的AAD-MHT跟踪密集目标的性能,结果和分析表明,与深度值固定为6的MHT相比,最大深度为6的AAD-MHT既能保证性能又有效降低了计算量。

多目标跟踪; 多假设跟踪; 数据关联; 关联深度自适应

0　引　言

多目标跟踪(multi-target tracking, MTT)技术在军事和民用领域应用非常广泛。在MTT中,航迹状态估计和数据关联常耦合在一起,前者基于后者给定的同源量测序列估计和预测目标状态,后者基于前者确定的状态预测及量测数据再根据某种准则判断量测的来源。就航迹状态估计而言,由于目标运动或观测模型的非线性,一般采用非线性滤波方法,如扩展卡尔曼滤波(extended Kalman filter, EKF)、无敏卡尔曼滤波(unscented Kalman filter, UKF)等;针对目标运动方式的不确定性,可以采用交互式多模型(interactive multiple model, IMM)方法以及变结构多模型(variable structure multiple model, VSMM)方法等。……