， ， ， ，

(空军预警学院， 湖北武汉 430019)

0 引言

在机载多普勒雷达多目标跟踪(Multi-Target Tracking, MTT)过程中，多普勒盲区(Doppler Blind Zone, DBZ)的存在是不可回避的现实问题[1-3]。DBZ问题由传感器物理限制产生，当目标的径向速度小于最小可检测速度(Minimum Detectable Velocity, MDV)时，目标无法被传感器检测，这将导致目标漏检和航迹中断，严重影响跟踪性能[4]。

文献[5]提出了基于高斯混合(Gaussian Mixture, GM)的跟踪算法，它通过引入伪造量测来代表漏检，通过构造合适的状态依赖的检测概率，使其在DBZ里的检测概率值较低。然而，由此得到的高斯混合近似可能有负的权重，造成数值不稳定。文献[6]提出了“两伪造点”分配方法，其中，一个伪造量测代表对应检测概率小于1造成的漏检，另外一个额外的伪造量测代表由于DBZ引起的漏检。文献[7]基于二维分配方法，通过对来自同一目标的不同时间段航迹进行关联，提出了航迹段关联(Track Segment Association, TSA)方法。

然而，上述算法的实现涉及复杂的数据关联问题，实用性有待提高。作为一种可替代传统基于数据关联算法的方法，基于随机有限集(Random Finite Set, RFS)的多目标跟踪算法在解决DBZ问题中有着显著优势。其中，文献[8-9]分别将概率假设密度(Probability Hypothesis Density, PHD)和势化概率假设密度(Cardinalized PHD, CPHD)应用于DBZ条件下的地面动目标指示(Ground Moving Target Indicator, GMTI)跟踪。不同于PHD传递一阶矩、CPHD传递二阶矩和势分布，文献[10]提出的势平衡多目标多伯努利(Cardinality Balanced Multi-Target Multi-Bernoulli，CBMeMBer)滤波器通过传递多伯努利RFS来递推估计后验多目标概率密度。

CBMeMBer滤波器提供的“假设航迹”机制更有利于解决DBZ条件下的多目标跟踪问题，不过在CMeMBer框架下的相关研究还鲜有报道，所以本文在CBMeMBer滤波器中引入MDV和多普勒信息，并给出了其高斯混合执行，记为GM-CBMeMBer-D-MDV。……