基于强跟踪滤波器的多目标跟踪方法
徐毓!，金以慧!，杨瑞娟"
（!#清华大学自动化系，北京!"""#$；%#空军雷达学院，湖北武汉$&""!"）
摘要：在诸多的多目标跟踪算法中，相互作用多模型（$%%）算法是目前公认的最为有效的算法。但到目前为止，$%%估计方法都是建立在卡尔曼滤波器（&’）和扩展卡尔曼滤波器（(&’）基础上，因而其性能不仅依赖于所采用的模型集，而且在更大程度上依赖于所采用的滤波技术。强跟踪滤波器（)*’）克服了卡尔曼和扩展卡尔曼的三大缺陷，因而设计一种基于)*’的$%%目标跟踪算法显然能提高其性能。仿真实验表明，基于)*’的$%%算法的跟踪性能要优于基于&’和(&’的$%%算法的跟踪性能。
关键词：多模型目标跟踪；卡尔曼滤波器；强跟踪滤波器；相互作用多模型
中图分类号：*+,!!#-"文献标识码：.文章编号：!///0,-1-（"//"）/20//!-0/3
’()*+,+-.’’)/01())0/234516/7(,+589:
4567!，8$+69:;79!，6.+<=79:>7?@"
（!;<(=)+->?)+@/)42，97451*?/A54B(074)C，D(4E451!"""#$，F*45/；
%;>2/,(@C+->40:+02(G/,/0，H?*/5$&""!"，F*45/）
>67)0/2)：$@ABC?DA9EB F7GA9HGB FIJBG（$%%）BKA9F?AIC9K?I@B IL FIKA BLLBDA9EB FBA;IJ LIC A?CMBA AC?DN9@M，9@?HHG9D?A9I@ A;B O?P9K Q?KBJ I@&?GF?@L9GABC（&’）IC BRAB@JBJ&?GF?@L9GABC（(&’）#*;B HBCLICF?@DB IL$%%9K@IA I@GP JBHB@J I@ A;B?JIHABJ FIJBG KBA，Q7A?GKI CBGP I@A;B L9GABCK#$A9K?GG N@IO@A;?A A;BCB BR9KA A;CBB J9KL9M7CBFB@AK，KI?FIJ9L9BJ$%% ?GMIC9A;F9K HCBKB@ABJ O;9D;9K Q?KBJ I@A;B KACI@M AC?DN9@M L9GABC AI?EI9J A;B J9KL9M7CBFB@AK#*;B K9F7G?A9I@CBK7GAK K;IO A;B HBCLICF?@DB IL A?CMBA AC?DN9@M IL A;B$%%?GMIC9A;F LIC A?CMBA AC?DN9@M Q?KBJ I@A;B KACI@M AC?DN9@M L9GABC（)*’）9K QBAABC A;?@A;?A I@B Q?KBJ I@&’?@J(&’#
I(C J+0,7：F7GA9HGB FIJBG A?CMBA AC?DN9@M；&?GF?@L9GABC（&’）；KACI@M AC?DN9@M L9GABC（)*’）；9@ABC?DA9EB F7GA9HGB FIJBG （$%%）
"引言
在雷达数据融合系统中，面临的四个主要问题：目标跟踪、数据关联、航迹关联和数据融合。而目标跟踪是解决其它问题的基础。目标跟踪问题关键在于运动模型和跟踪算法。目标跟踪具有很强的实时性要求，因此面临着计算复杂度和跟踪算法的有效性。而状态估计是目标跟踪算法中关键的一步，因此，一个跟踪算法的性能主要决定于状态估计器的品质优劣。相互作用多模型（$%%）是目前设计目标跟踪算法的最为有效的一种估计器之一，也是一种次优的混合模型估计方法。采用多个运动模型描述和跟踪一个运动目标的轨迹，因而从算法的有效性上它优于单模型跟踪方法，从计算量和复杂度上它优于多假设（%S*）跟踪算法。因而受到许多学者的关注，发表了许多相关文章［!T2］。
收稿日期："//!0!/0!U
在$%%方法中，状态估计方法是决定其性能好坏的关键。到目前为止，大都采用卡尔曼滤波器（&’）和扩展卡尔曼滤波器（(&’）进行目标状态估计和预测。但&’和(&’一般只适用于平稳的状态过程，当系统达到平稳状态后，即目标飞行状态经过一个变化不大的过程后，突然发生机动，此时&’和(&’将丧失对突变状态的跟踪能力，但这种对突变状态跟踪能力在跟踪机动目标时却是十分重要的。强跟踪滤波器（)*’）使用正交性原理，引进时变渐消因子，强迫残差具有正交性或近似正交性，从而使滤波器关于模型的不确定性保持较好的鲁棒性。通过实时调节增益，促使测量残差近似正交，从而提高了对机动目标的跟踪性能。
!基于89:的跟踪算法
假设目标的运动特性由下面状态方程描述：
-!
"//"年第"!卷第2期传感器技术（8I7C@?G IL*C?@KJ7DBC*BD;@IGIMP）万方数据