引用本文:
 Citation:

## 多普勒盲区下基于GM-PHD的雷达多目标跟踪算法

###### 通讯作者: 尉强   yangqihong0354@163.com
• 基金项目:

国家部委基金

• 中图分类号: TP393.08

## A Radar Multi-target Tracking Algorithm Based on Gaussian Mixture PHD Filter under Doppler Blind Zone

###### Corresponding author:
• Fund Project: The National Ministries Foundation

CLC number: TP393.08

• 摘要: 在多普勒雷达目标跟踪过程中，由于多普勒盲区(DBZ)的存在使得跟踪问题更为复杂。针对该问题，该文基于高斯混合概率假设密度(GM-PHD)提出了一种适用于多普勒盲区的多目标跟踪算法。该算法在常规检测概率模型中引入最小可检测速度(MDV)信息，并将该检测概率模型应用于传统GM-PHD更新方程中，推导出多普勒盲区下的GM-PHD更新方程。蒙特卡罗仿真实验结果表明：与只有多普勒量测信息的传统GM-PHD算法相比，新算法在较小的MDV条件下能够明显提高雷达对运动目标的跟踪性能。
• 图 1  传感器/目标几何杂波率为12.6×10–6时杂波分布

Figure 1.  Sensor/target clutter distribution when the geometric clutter rate is 12.6×10–6

图 2  两目标的多普勒与不同的MDVs的时间关系

Figure 2.  The relationship of two goals Doppler with diffierent MDVs

图 3  真实航迹与不同算法的估计(MDV=1)

Figure 3.  Real track and estimation of different algorithms (MDV=1)

图 4  不同滤波器跟踪性能比较(MDV=1)

Figure 4.  Comparison of tracking performance of different fliters (MDV=1)

图 5  不同滤波器跟踪性能比较(MDV=3)

Figure 5.  Comparison of tracking performance of different fliters (MDV=3)

图 6  滤波器的绝对时间和相对时间性能比较

Figure 6.  The comparison of absolute time and relative time performance of filters

•  [1] ﻿Ronald P S Mahler. Statistical Multisource-Multitarget Information Fusion[M]. Norwood, MA: ARTECH HOUSE, 2007: 45–49. [2] 范红旗, 卢大威, 刘本源. 多源多目标统计信息融合[M]. 北京: 国防工业出版社, 2013: 12–16.Fan Hong-qi, Lu Da-wei, and Liu Ben-yuan. Statistical Multisource-Multitarget Information Fusion[M]. Beijing: National Defense Industry Press, 2013: 12–16. [3] Ouyang C, Ji H-B, and Tian Y. Improved Gaussian mixture CPHD tracker for multitarget tracking[J].IEEE Transactions on Signal Processing, 2013, 49(2): 1177–1191. [4] Beard M, Vo B-T, Vo B-N,et al.. A partially uniform target birth model for Gaussian mixture PHD/CPHD filtering[J].IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(4): 2835–2844. doi: 10.1109/TAES.2013.6621859 [5] Beard M, Vo B-T, and Vo B-N. Multitarget filtering with unknown clutter density using a bootstrap GMCPHD filter[J].IEEE Signal Processing Letters, 2013, 20(4): 323–326. doi: 10.1109/LSP.2013.2244594 [6] Ristic B, Clark D, and Gordon N. Calibration of multi-target tracking algorithms using non-cooperative targets[J].IEEE Journal of Selected Topics in Signal Processing, 2013, 7(3): 390–398. [7] Battistelli G, Chisci L, Fantacci C,et al.. Consensus CPHD filter for distributed multitarget tracking[J].IEEE Journal of Selected Topics in Signal Processing, 2013, 7(3): 508–520. doi: 10.1109/JSTSP.2013.2250911 [8] Uney M, Clark D, and Julier S. Distributed fusion of PHD filters via exponential mixture densities[J].IEEE Journal of Selected Topics in Signal Processing, 2013, 7(3): 521–531. doi: 10.1109/JSTSP.2013.2257162 [9] Vo Ba-Tuong, Vo Ba-Ngu, and Cantoni Antonio. The cardinality balanced multi-target multi-bernoulli filter and its implementations[J].IEEE Transactions on Signal Processing, 2009, 57(2): 409–423. doi: 10.1109/TSP.2008.2007924 [10] Vo B-N, Singh S, and Doucet A. Sequential Monte Carlo methods for multi-target filtering with random finite sets[J].IEEE Transactions on Aerospace and Electronic Systems, 2005, 41(4): 1224–1245. doi: 10.1109/TAES.2005.1561884 [11] Kohlleppel R. Ground moving target tracking of PAMIR detections with a Gaussian mixture-PHD filter[C]. 2011 12th International Radar Symposium, Leipzig, 2011: 193–198. [12] Kohlleppel R. Ground target tracking with signal adaptive measurement error covariance matrix[C]. 15th IEEE International Conference on Information Fusion, Singapore, 2012: 550–557. [13] Mallick M, Krishnamurthy V, and Vo B-N. Integrated Tracking, Classification, and Sensor Management[M]. John Wiley & Sons Inc., 2013: 21–23. [14] Koch W. On exploiting 'negative' sensor evidence for target tracking and sensor data fusion[J].Information Fusion, 2007, 8(1): 28–39. doi: 10.1016/j.inffus.2005.09.002 [15] Ulmke M, Erdinc O, and Willett P. GMTI Tracking via the Gaussian mixture cardinalized probability hypothesis density filter[J].IEEE Transactions on Aerospace and Electronic Systems, 2010, 46(4): 1821–1833. doi: 10.1109/TAES.2010.5595597 [16] Vo B N and Ma W K. The Gaussian mixture probability hypothesis density filter[J].IEEE Transactions on Signal Processing, 2006, 54(11): 4091–4104. doi: 10.1109/TSP.2006.881190 [17] Hu Zijun. A study of multi-target tracking based on random finite set using radar[D]. [Ph.D. dissertation], Xidian University, 2015: 5–9. [18] Vo B T, Vo B N, and Cantoni A. Analytic implementations of the cardinalized probability hypothesis density filter[J].IEEE Transactions on Signal Processing, 2007, 55(7): 3553–3567. doi: 10.1109/TSP.2007.894241 [19] Yoon J H, Kim D Y, Bae S H,et al.. Joint initialization and tracking of multiple moving objects using Doppler information[J].IEEE Transactions on Signal Processing, 2011, 59(7): 3447–3452. doi: 10.1109/TSP.2011.2132720
•  [1] 欧阳成 , 陈晓旭 , 华云 . 改进的最适高斯近似概率假设密度滤波. 雷达学报, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010 [2] 裴家正 , 黄勇 , 董云龙 , 何友 , 陈小龙 . 杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法. 雷达学报, 2019, 8(3): 355-365. doi: 10.12000/JR18060 [3] 赵耀东 , 吕晓德 , 李纪传 , 向茂生 . 无源雷达多普勒谱分析实现动目标检测的方法. 雷达学报, 2013, 2(2): 247-256. doi: 10.3724/SP.J.1300.2012.20081 [4] 陈小龙 , 关键 , 何友 . 微多普勒理论在海面目标检测中的应用及展望. 雷达学报, 2013, 2(1): 123-134. doi: 10.3724/SP.J.1300.2012.20102 [5] 陈世超 , 罗丰 , 胡冲 , 聂学雅 . 基于多普勒谱非广延熵的海面目标检测方法. 雷达学报, 2019, 8(3): 344-354. doi: 10.12000/JR19012 [6] 陈希信 . 天波雷达后多普勒自适应波束形成. 雷达学报, 2016, 5(4): 373-377. doi: 10.12000/JR15124 [7] 闫召爱 , 胡雄 , 郭商勇 , 程永强 , 郭文杰 , 潘艺升 . 星载钠荧光多普勒激光雷达性能分析. 雷达学报, 2015, 4(1): 99-106. doi: 10.12000/JR14140 [8] 赵军 , 田斌 , 朱岱寅 . 基于PAST处理的机载双基雷达自适应角度-多普勒补偿算法. 雷达学报, 2017, 6(6): 594-601. doi: 10.12000/JR17053 [9] 胡程 , 廖鑫 , 向寅 , 曾涛 . 一种生命探测雷达微多普勒测量灵敏度分析新方法. 雷达学报, 2016, 5(5): 455-461. doi: 10.12000/JR16090 [10] 刘振 , 魏玺章 , 黎湘 . 一种新的随机PRI脉冲多普勒雷达无模糊MTD算法. 雷达学报, 2012, 1(1): 28-35. doi: 10.3724/SP.J.1300.2013.10063 [11] 关欣 , 仲利华 , 胡东辉 , 丁赤飚 . 一种基于RSPWVD-Hough 变换的无源雷达多普勒展宽补偿方法. 雷达学报, 2013, 2(4): 430-438. doi: 10.3724/SP.J.1300.2013.13073 [12] 邓冬虎 , 张群 , 罗迎 , 李松 , 朱仁飞 . 双基地ISAR 系统中分辨率分析及微多普勒效应研究（英文）. 雷达学报, 2013, 2(2): 152-167. doi: 10.3724/SP.J.1300.2013.13039 [13] 赵现斌 , 严卫 , 艾未华 , 陆文 , 马烁 . 一种用于海洋要素反演的机载SAR多普勒中心偏移计算方法. 雷达学报, 2019, 8(3): 391-399. doi: 10.12000/JR19020 [14] 刘玉琪 , 易建新 , 万显荣 , 程丰 , 饶云华 , 龚子平 . 数字电视外辐射源雷达多旋翼无人机微多普勒效应实验研究. 雷达学报, 2018, 7(5): 585-592. doi: 10.12000/JR18062 [15] 李万春 , 黄成峰 . 基于角度和多普勒频率的外辐射源定位系统的接收器最优航迹分析. 雷达学报, 2014, 3(6): 660-665. doi: 10.12000/JR14118 [16] 杨祥立 , 徐德伟 , 黄平平 , 杨文 . 融合相干/非相干信息的高分辨率SAR图像变化检测. 雷达学报, 2015, 4(5): 582-590. doi: 10.12000/JR15073 [17] 刘俊凯 , 李健兵 , 马梁 , 陈忠宽 , 蔡益朝 . 基于矩阵信息几何的飞机尾流目标检测方法. 雷达学报, 2017, 6(6): 699-708. doi: 10.12000/JR17058 [18] 李永祯 , 胡万秋 , 孙豆 , 李重威 . 一种基于极化信息的机载拖曳式诱饵存在性检测与抑制方法研究. 雷达学报, 2016, 5(6): 666-672. doi: 10.12000/JR16115 [19] 李杭 , 梁兴东 , 张福博 , 吴一戎 . 基于高斯混合聚类的阵列干涉SAR三维成像. 雷达学报, 2017, 6(6): 630-639. doi: 10.12000/JR17020 [20] 韩金旺 , 张子敬 , 刘军 , 赵永波 . 基于贝叶斯的高斯杂波背景下MIMO雷达自适应检测算法. 雷达学报, 2019, 8(4): 501-509. doi: 10.12000/JR18090

• 文章访问数:  812
• HTML浏览量:  51
• PDF下载量:  595
• 被引次数: 0
##### 出版历程
• 收稿日期:  2016-11-10
• 录用日期:  2017-01-10
• 网络出版日期:  2017-03-15
• 刊出日期:  2017-02-28

## 多普勒盲区下基于GM-PHD的雷达多目标跟踪算法

###### 作者简介: 尉 强(1982–)，男，山西襄汾人，博士研究生，主要研究方向为指挥自动化。E-mail: yangqihong0354@163.com;刘   忠(1962–)，男，山东龙口人，教授， 博士生导师，研究方向为指挥自动化。E-mail: 554745138@qq.com
• ①. 海军工程大学电子工程学院   武汉   430033
• ②. 空军预警学院   武汉   430019

/

• 分享
• 用微信扫码二维码

分享至好友和朋友圈