导　　师： 姬红兵

学科专业： H1104

授予学位： 博士

作　　者： ;

机构地区： 西安电子科技大学

摘　　要： 目标跟踪与数据关联技术是信息融合系统研究的一个重要课题，由于其在军事和民用领域已经展现出有效而广阔的理论和应用前景，备受国内外学者和众多工程领域专家的高度关注。本论文针对信息融合系统中的目标跟踪与数据关联技术，从单传感器的实时目标跟踪、多被动传感器的机动目标跟踪、红外弱小目标检测前跟踪、多传感器多目标跟踪等几个方面进行了深入系统的研究，提出了一些实时有效的新方法。各章内容安排如下： 第一章简要介绍了本文研究的背景、意义、信息融合系统及多传感器目标跟踪系统，概述了当前信息融合、目标跟踪及检测前跟踪技术的研究现状，最后给出了本文的主要研究成果和全文的内容安排。 第二章介绍了目标跟踪的基本理论及其数学描述。对现有的多目标跟踪方法进行了综述，以简明表格的形式对几十种不同的多目标跟踪方法进行了分类，并对算法的性能指标进行了评估对比。 第三章针对杂波环境中目标跟踪的实时性问题，提出了一类快速实时数据关联新方法，包括最大熵模糊概率数据关联滤波器(mef-pdaf)和最大熵模糊联合概率数据关联滤波器(mef-jpdaf)。为了提高目标跟踪的实时性，提出了一种用模糊聚类隶属度代替目标关联概率的权值分配新方案，并根据最大熵模糊聚类的特点，定义最大有效距离剔除大量无效观测，从而减少了计算量。 第四章在第三章的基础上，针对杂波环境中被动机动目标跟踪的实时性问题，提出了交互多模型最大熵模糊概率数据关联滤波器，建立了被动多传感器的观测模型，给出了算法的结构流程，并在不同仿真条件下对算法性能进行了验证。为了提高算法的跟踪性能，将粒子滤波与交互多模型结合，提出了一种适合于被动传感器系统的机动目标跟踪算法，利用粒子滤波对非线性问题处理的优势，推导了杂波环境中粒子滤波似然函数的表达形式，给出了算法的结构流程，并对算法性能进行了评估比较。 第五章在第四章基础上，继续对粒子滤波及检测前跟踪算法作了进一步研究。提出了一种基于迭代扩展卡尔曼滤波的粒子滤波新方法，利用迭代扩展卡尔曼滤波产生粒子滤波的重要性密度函数，使重要性密度函数能够融入最新观测信息的同时，更加符合真实状态的后验概率分布。在此基础上，提出了一种基于粒子滤波的红外弱小目标检测前跟踪算法(tbd)，给出了算法的流程，并用真实红外图像对算法进行了仿真验证。 第六章在fcm数据关联的基础上，提出了一种基于多fcm数据关联的多目标跟踪算法。为了使算法适应于杂波情况，提出了一种改进的fcm数据关联方法，增强了算法的鲁棒性，提高了算法的跟踪性能。此外，为了跟踪多个被动目标，提出了一种快速模糊概率双加权数据关联算法。在算法中，首先利用方位角建立统计量，进行方位粗关联，达到有效剔除由于交叉定位带来的大量虚假定位点，大大减少了算法的运算时间。其次，建立了候选关联的模糊关联度，利用模糊关联度对关联概率进行修正，从而提高多目标跟踪中数据关联的正确关联概率。第七章总结全文工作，并对该领域相关问题进行了展望。

关 键 词： 信息融合系统 目标跟踪 数据关联 最大熵模糊聚类 交互多模型 粒子滤波 检测前跟踪

分 类 号： [TN957.5]

领　　域： [电子电信] [电子电信]