杂波环境下被动多传感器机动目标跟踪新算法-西安电子科技大学电子.PDF

杂波环境下被动多传感器机动目标跟踪新算法 李良群,姬红兵,罗军辉 （西安电子科技大学电子工程学院，西安 710071） 摘要：针对杂波环境被动传感器机动目标跟踪问题，提出了一种基于粒子滤波的被动多传 感器机动目标跟踪新算法。 在该算法中，首先推导了杂波环境下粒子滤波的似然函数表达 式。其次将粒子滤波与交互多模型（IMM ）相结合，用 IMM 方法实现模型的切换，以适 应目标的机动变化。用粒子滤波实现对观测方程的非线性处理。最后，建立了被动多传感 器的非线性观测模型，避免了目标的不可观测性，并且算法还能够处理非高斯噪声情况。 仿真实验结果表明，提出算法能够有效的对被动机动目标进行跟踪，且性能优于交互多模 型概率数据关联滤波器（IMM-PDAF ）。 关键词：粒子滤波；机动目标跟踪；交互多模型 中文图书分类号：TN953 文献标识码：A Maneuvering Target Tracking Algorithm with Multiple Passive 1 Sensors in Clutter Environment Li Liang-qun, Ji Hong-bing,Luo Jun-hui (School of Electronic Engineering, Xidian University, Xi’an 710071, China) Abstract: To maneuvering target tracking with multiple passive sensors in clutter environment, a novel algorithm based on particle filter is proposed. In this algorithm, the likelihood function of particle filter in clutter is derived. Then the particle filter and interactive multiple model(IMM) method are integrated. The former solves the proplem of passive target manoeuvre and the latter deals with the nonlinear problemof the measurement equation. Finally, in order to avoid the unobservability problem of passive target tracking, a nonlinear measurement model of multiple passive sensors is founded, and the algorithm can deal with the case of non-gaussian noise. Finally, the simulation results show that the proposed algorithm is effective, and its performance is superiority over the interacting multiple model-probabilistic data association filter (IMM-PDAF). Keywords: Particle Filtering; Manoeuvring Target Tracking; Interacting Multiple Model 1 引言 杂波环境中的机动目标跟踪是一个重要的研究课题。多年来，许多研究者发表了大量 的相关研究论文，提出了多种方法[1,2]。其中代表性的方法有：最近邻方法（NN ）、概率 数据关联滤波（PDAF ）方法、多假设法、多维分配算法等。从性能和计算复杂度两方面 综合考虑，PDAF 法是一种比较好的方法。对于仅有角度量测的被动传感器机动目标跟 踪，