基於有限集統計學理論的目標跟蹤技術研究綜述
楊威，付耀文，龍建乾，... - 《電子學報》 - 2012 - 被引量: 31
有限集統計學理論為雜波背景下的目標跟蹤問題提供了一種工程友好的理論工具.對近年來基於有限集統計學理論的目標跟蹤技術研究現狀進行了綜述,包括最優多目標貝葉斯濾波器及其近似技術、參數未知與機動多目標跟蹤技術、航跡生成方法、單目標聯合檢測與跟蹤濾波器及基於有限集觀測的單目標濾波器等,對相關應用亦有所介紹.最后在已有研究發展的基礎上,着眼於提高目標跟蹤精度和增強目標跟蹤魯棒性的發展需要,提出了基於有限集統計學理論的目標跟蹤技術需重點解決和關注的若干問題,包括多目標跟蹤性能評價、弱小目標跟蹤、多機動目標跟蹤、多傳感器融合跟蹤以及聯合目標檢測、跟蹤與分類等方面.
目標跟蹤 / 有限集統計學理論 / 概率假設密度濾波器 / 聯合目標檢測、跟蹤與分類
傳統目標跟蹤方法通過數據關聯完成觀測數據與目標間的分配。再通過濾波技術完成目標狀態估計。典型數據關聯方法：最近鄰法、聯合概率數據關聯（JPDA）、多假設跟蹤等。
最優多目標貝葉斯濾波器：有限集統計學理論( Finite Sets Statistics:FISST)將所有個體目標狀態集合視為一個集值狀態 ,而一次觀測所獲得的觀測值集合視為集值觀測 . 將集值狀態和集值觀測建模為隨機有限集( Random Finite Set : RFS) 后 ,即可利用最優貝葉斯濾波技術實現在關聯不確定 、檢測不確定和雜波背景下的多目標估計 ,也即最優多目標貝葉斯濾波 .基於 FISST 的目標跟蹤是一種自頂向下的方法 ,它具備嚴格的貝葉斯理論基礎 ,避免了復雜數據關聯過程 ,可同時實現目標數目及目標狀態的估計 ,且適用於密集多目標跟蹤問題。由於多目標狀態空間和觀測空間是無限維的 , 最優多目標貝葉斯濾波器在實際中難以應用。近似技術：一階矩近似技術 （用RFS的一階矩，即概率假設密度（PHD）近似多目標的后驗密度，得到概率假設密度濾波器( PHDF)。）、高階矩近似技術（PHDF 假定目標數目服從泊松分布且帶有勢分布概率信息）多伯努利近似技術（在低雜波密度且雜波數服從泊松分布的假設下 ,推導了最優多目標貝葉斯濾波的近似多目標多伯努利濾波器 , 簡稱MeMBerF[ 8] . 與 PHDF 和 CPHDF 不同 ,MeMBerF 假設目標生滅過程服從 伯努利分布 , 且MeMBerF 遞歸傳遞多目標后驗密度）
參數未知和機動多目標跟蹤技術、航跡生成技術、基於FISST 的單目標跟蹤技術
基於FISST 的跟蹤技術未來值得重點關注的方向課概括為：
1.多目標跟蹤性能評價：在多目標跟蹤系統中，由於目標數目是隨機變量，距離誤差准則並不容易定義（基於最優分配的距離誤差【76】、Lp 型距離誤差度量 , 簡稱 WassersteinDistance( WD)【77】、一種最優亞模式分配測度 ( Optimal Sub-Pattern Assignment Metric:OSPA),克服了 WD 的缺陷 .【78】、基於信息論框架的 Cramer-Rao 下界為單目標跟蹤算法提供了一種理論嚴格的性能預測方法 .）
2.弱小目標跟蹤 ：檢測前跟蹤( Track-Before-Detect : TBD) [ 81] 是一種被廣泛采用的弱小目標跟蹤方法。文獻[ 82] 在 TBD 思想的啟發下 ,最優多目標貝葉斯濾波器 . 在不同目標間隔較遠時該濾波器比傳統 TBD 算法的跟蹤性能要好 ,但當目標間隔較小時性能明顯下降 . 如何實現相鄰 、重疊或遮擋目標的弱小目標跟蹤是未來重點研究方向之一
3.多機動目標跟蹤 4.多傳感融合目標跟蹤 5.聯合目標檢測、跟蹤與分類