袁常顺，王 俊，雷 鹏，孙进平，毕严先（北京航空航天大学电子与信息工程学院，北京100191）

基于P H D滤波的相控阵雷达多目标跟踪算法

袁常顺，王 俊，雷 鹏，孙进平，毕严先
（北京航空航天大学电子与信息工程学院，北京100191）

对于相控阵雷达方向余弦量测，采用扩展卡尔曼概率假设密度（extended Kalman probability hypothesis density，E K-P H D）滤波进行多目标跟踪时，存在目标数估计偏高和目标状态估计准确度低的问题。针对上述问题，提出了一种新的多目标跟踪算法——无偏转换量测概率假设密度（unbiased converted measurements P H D，U BC M-P H D）滤波算法。该算法采用方向余弦量测下的量测转换方法，保留了更多的量测信息；同时对转换后的量测偏差进行补偿，使量测转换误差的均值、方差准确近似原始量测高斯分布的一、二阶矩。仿真实验表明，所提算法可提高目标数和目标状态估计准确性。

相控阵雷达；多目标跟踪；无偏转换量测；随机有限集；概率假设密度滤波

网址：www.sys-ele.co m

0 引 言

在多目标跟踪中，目标数的变化和量测信息的不确定给多目标跟踪带来巨大的困难。如何有效、实时地实现多目标跟踪，一直是目标跟踪领域研究的热点和难点［1 3］。传统的多目标跟踪方法采用数据关联技术，但随着目标数或者杂波数的增加，其计算量指数增长，如：多假设跟踪（multiple hypothesis tracking，M H T）［2，4 5］、联合概率数据互联（joint probabilistic data association，JP D A）［1，6］、概率多假设跟_踪（probabilistic_ M H T，P M H T）［7］和多目标粒子滤波［8］。

近年来，Mahler以有限集统计学为基础，提出了随机有限集（random finite set，RFS）的方法。该方法提供了一个简洁的公式描述多目标跟踪，避免了数据关联，很快成为了多目标跟踪的研究热点之一［3，9 23］。……