申屠晗 薛安克 周治利

在导航、制导、监测和交通等诸多应用中,多目标跟踪是一类重要的问题,通常指如何利用传感器量测对观测空间中未知目标的数量和状态做出正确、连续的估计[1−2].在信息融合领域可利用多目标跟踪技术解决上述问题[3].但在实际中,传感器量测一般会受到杂波、漏检和误差的影响,导致未经处理的量测数据与被跟踪目标间的映射关系不明确.因此,多目标跟踪问题并不简单,相关技术得到了广泛且持续的研究[4−5].

在较为理想的跟踪场景中,一类简单的技术方案是利用单个传感器的量测数据来估计目标的数量和状态.这类技术就包括传统的单传感器多目标跟踪技术,其核心在于解决量测与被跟踪目标之间的数据关联(Data association,DA)问题,以及明确数据关联下的目标状态滤波问题.基于数据关联的多目标跟踪技术研究较早,已形成较多跟踪方法,包括概率数据关联方法(Probability data association,PDA)[6]、联合概率数据关联方法(Joint probability data association,JPDA)[7]、多假设跟踪方法(Multiple hypothesis tracker,MHT)[8]以及概率多假设跟踪方法(Probability multiple hypothesis tracker,PMHT)[9]等.数据关联类的跟踪方法大多基于经典概率论提出,一般需要首先解决量测数据与被跟踪目标之间的关联问题,然后再对目标的数量和状态进行估计.该类方法工程上较易实现并在一些简单场景中效果良好.但是面对更复杂的跟踪场景时,例如大量杂波和低检测率跟踪环境,单传感器DA技术的跟踪结果就面临退化的风险[10].为了提高跟踪效果,学者们提出两类改进……