模糊目标跟踪理论与方法

    书籍
    计算机书籍
《模糊目标跟踪理论与方法》主要介绍模糊数学理论在目标跟踪中的应用。《模糊目标跟踪理论与方法》针对目标跟踪各个环节中出现的重点难点问题，基于模糊信息处理，提出了具体有效的模糊解决方案。主要内容包括：目标跟踪的基本理论、模糊基础理论、模糊状态估计理论、模糊航迹起始、模糊机动目标跟踪、模糊数据关联、模糊联合概率数据关联滤波器和模糊航迹关联等。

前言
第1章　绪论
1.1　目标跟踪基本舰
1.2　目标跟踪技术研究现状
1.3　模糊目标跟踪方法及分类
1.4　小结
参考文献
第2章　模糊理论基础
2.1　引言
2.2　模糊集合舰
2.3　模糊关系
2.4　模糊相似性度量
2.5　模糊推理与语言变量
2.6　模糊综合评判
2.7　模糊聚类分析
2.8　小结
参考文献
第3章　模糊状态估计理论
3.1　参数估计舰基础
3.2　基本滤波器

　　
　　 第1章绪论
　　 1.1目标跟踪基本理论
　　 1.1.1信息融合
　　 近年来，信息融合在军事和民用领域都得到了广泛的重视，并取得了卓有成效的研究成果3]。在军事方面，信息融合的应用包括自动目标识别、自动武器制导、遥、战场监视、对空侦察预警以及自动威胁识别和态势评估等。现在各国的军方、跨国公司、科研院所已经开发出许多极具军事价值的应用系统。例如，美国国防部(United States Department of Defense，DoD)及相关研究机构开发的海洋监视系统、支持海军舰艇编队作战行动的反潜系统以及舰载武器自动制导系统。上述系统所用的传感器包括雷达、声呐、电子情报系统、红外传感器和合成孔径雷达。另外，美军正在试验新型情报信息处理系统。该系统对信息源几乎没有任何限制，可接收来自无人机、E-8C预警机、RC-135等平台上光电、合成孔径雷达、信号情报侦察装置等各种传感器的实时信息，将它们处理成对作战官兵有用的信息，并以很快的速度和很高的精度发送给用户。美国阿拉巴马大学信息技术与系统中心研制的异类传感器组网防空预警系统将二值传感器、测角传感器和三坐标雷达进行组网，构成四层分级传感器网络，采用并行数据融合处理方式对空中目标进行探测、跟踪，实现了大范围、全天候、高精度的对空预警。
　　 信息融合舰就是研究对传感器获取的不确定性信息进行综合处理及应用的理论和方法，它运用计算机技术对获得的传感器信息在-定准则下进行检测、关联、跟踪、估计和综合等处理，以更高的精度和对所关心目标更加完备的描述得到人们所需要的目标状态和身份估计，并为相关人员提供估计与决策信息。
　　 信息融合系统按照信息抽象可以分为五个层次，即检测级融合、位置级融合、属性麵合、态势评估与威胁估计。位置层和属性层是两个最重要的基本层次，也是信息融合系统的关键和核心;而位置级融合又是属性级融合的前提和基础，它直接在传感器的观测报告或测量点迹和传感器的状态估计上进行融合，包括时间和空间上的融合，是跟踪级的融合。
　　 信息融合的常用舰和方法有妹规则、贝叶斯准则、证据推理方法、模糊积分融合方法、确定性舰、神经网络方法等。
　　 師跟踪技术是信息融合理论的重要组成部分，也是信息融合理论中的一个难点问题。師跟踪过程可以定义为估计目示在当前时刻（滤波)和未来（预测，任-时刻状态的过程。目标状态-般包括各种各样运动的或描述性的参数，通常，运动参数在目标跟踪中具有最重要的意义。要准确对目标运动参数进行估计，師运动模型的不确定性和量测的不确定性是状态估计需要解决的两个难点问题。由于大多数有意义的目标通常是非协同目标，没有预定轨迹，而且其行为不能用绝对置信度建模，存在着目标建模的不确定性，一旦实际目标轨迹与假设运动模型不一致，就会产生很大的跟踪误差。量测不确定性存在的原因为:量测作用点不能总是正确地确定，而且量测含有噪声。
　　 图1.1.1给出了目标跟踪基本原理图。可以看出多目标跟踪主要包括以下几个功能要素:数据关联、跟踪维持(机动识别、自适应滤波）%跟踪起始与终结、跟踪波门规则、目标状态估计等。
　　 1.目标运动模型
　　 目标运动模型是多目标跟踪技术研究的一个重要内容。近二十年来，不少学者对模型问题进行了深入的研究，典型的目示运动模型包括微分多项式模型、CV与CA(匀速与匀加速)模型、时间相关模型、半马尔可夫模型、Noval统计模型以及机动目标当前统计模型等。然而，现在对于目标运动模型新方法的研究已经很少见。文献[5]~[9]对现有的目标运动模型进行了系统的归纳和总结，指出了各模型的优缺点以及它们的一些具体应用。
　　 2.跟踪起始及终结
　　 多目标跟踪起始与终结是多目标跟踪理论中的两个重要组成部分，也是建立新档案和消除多余目标档案必不可少的决策环节。一般地，跟踪起始包括假定轨迹初始化和轨迹确定两部分，跟踪终结即轨迹终结。传统的跟踪起始方法有序列概率比检验(SPRT)[ie]、贝叶斯轨迹确定方法(BTC)[11]、N维分配法[12]、极大似然法及模式匹配技术[13]。序列概率比检验方法主要用于轨迹确定，属于最近邻(NN)相关方法；由于贝叶斯轨迹确定方法将检测历史和滤波残差信息引入统计决策中，贝叶斯轨迹确定方法优于序列概率比检验方法（N维分配算法虽然是一种最优的方法，但实现复杂，计算量大。前三种方法一般只适用于稀疏回波环境，对于密集回波环境，必须采用能够同时处理轨迹初始化和轨迹确定的批处理算法，如极大似然法和模式匹配法。
　　 对于跟踪终结方法主要有跟踪波门法、代价函数法和贝叶斯跟踪终结方法。需要注意的是，跟踪终结是跟踪起始问题的逆问题，跟踪起始的某些思想可为求解跟踪终结时所借鉴和米纳。
　　 3.跟踪波门技术
　　 跟踪波门是跟踪空间中的一块子空间，其大小由接收正确回波的概率来确定。跟踪波门的形成既是限制不可能决策数目的关键环节，又是维持跟踪或保证目标轨迹更新的先决条件。现有的跟踪波门方法主要有矩形跟踪波门、椭球跟踪波门、扇形跟踪波门等。
　　 1.1.3多目标跟踪问题的数学描述
　　 多目标跟踪技术不同于单目标跟踪技术，主要差别在于状态空间模型的不同。在单目标跟踪中目标状态都是针对单个目标建模的，所以检测到的其他目标都被假设为虚警或杂波，这就使得算法在目标交叉或目标靠近时会出现误跟。而对于多目标跟踪算法，由于在观测关联过程中同时考虑了多个目标，在舰上多目标跟踪(MTT)算法能够跟踪近距离目标和交叉目标。通常，假设每一时刻每一观测都有唯一的源，且各目标相互独立。当然也可以松弛这些假设条件，这就可能要以更高的计算需求为代价。
　　 -般来说，目标运动可用-个随机过程或-个确定性过程来模拟，为状态矢量表示离散时间。例如，在被动声呐传感器系统中，目标的状态可能包括频率、频率变化率、方位角和方位角变化率，而对于主动雷达系统，目标的状态包括笛卡儿坐标系的位置坐标（x，y)及速度。对于确定性模型跟踪问题，起始状态一旦确定，目标运动就可完全确定。随机过程模型则要寻找一个描述目标状态的概率密度函数。传感器的观测模型表示观测：与目标状态的关系以及观测噪声引起的模型误差。在许多应用中，目标跟踪系统可以认为是一个线性的、离散的高斯马尔可夫系统[14]，状态方程和观测方程可写为式中⑷和w⑷为相互独立的均值为0、方差分别为Q⑷和i?⑷的高斯白噪声。在给定噪声观测序列Y*={：y(l)， ，yO)}的情况下，不考虑数据关联的影响，利用估计理论就可以得到状态的概率密度函数。当初始状态的均值和协方差都已知时，就可以用迭代离散卡尔曼滤波求出最后的估计值。实际中，可利用前几个时刻的观测数据和先验知识去确定目标的初始状态及协方差，这-过程也就是常说的航迹起始。对于一些非线性系统，可以用扩展卡尔曼滤波(EKF)或它的变形細其进行滤波。