基于多源信息融合与随机有限集的多目标跟踪算法研究
摘要
随着现代雷达、光电、声纳等传感器技术的发展，多目标跟踪（Multi-targetTracking，
MTT）技术已成为信息融合领域的研究热点之一，广泛应用于空中预警、交通指挥等军
民领域。在现代战场环境中，高密度背景杂波、目标数目随时间变化、多目标复杂机动
等不确定因素会导致传统多目标跟踪算法的计算量增大，算法时效性与跟踪精度下降。
随机有限集（RandomFiniteSet,RFS）类算法无需进行复杂的数据关联运算，并且可以
有效地与多源信息融合算法结合起来，为解决多目标跟踪问题提供了新的思路。本文基
于多源信息融合技术与随机有限集算法对多目标跟踪问题进行了深入研究，主要研究内
容如下：
1.针对线性高斯场景下高背景杂波与目标复杂机动导致跟踪精度下降的问题，提出
了基于多普勒信息联合筛选与序贯滤波的多模型高斯混合型势概率假设密度算法。算法
以势概率假设密度（CardinalityProbabilityHypothesisDensity,CPHD）滤波器为基础，
首先设计了基于位置-多普勒信息的双关联波门，利用位置信息与多普勒信息对量测进
行联合筛选，提高了筛选准确性；其次引入了多模型算法，以匹配目标存在的多种机动
模式；最后利用目标多普勒信息与位置信息的相关性，在位置更新结果的基础上使用多
普勒信息进行序贯滤波，进一步提高了多目标跟踪精度。通过仿真实验证明了所提算法
的有效性。
2.针对非线性、低杂波密度场景下雷达传感器存在的多普勒盲区问题，利用多传感
器的信息互补特性，提出了多普勒盲区下基于多传感器分布式信息融合的多目标跟踪算
法。算法以五阶CKF-势均衡多目标多伯努利（CardinalityBalancedMulti-target
Multi-Bernoulli，CBMeMBer）滤波器为基础，利用被动传感器不受多普勒盲区影响的
性能优势，设计了多普勒盲区内的目标跟踪方法，并利用多传感器之间的信息互补特性，
构造了多普勒盲区外基于分布式多源信息融合的5th-CKF-CBMeMBer算法。仿真实验
表明，所提出的多传感器信息融合算法可以实现多普勒盲区内的目标跟踪，并改善多普
勒盲区外的多目标跟踪精度。
关键词：多目标跟踪；多源信息融合；随机有限集；CBMeMBer滤波器；CPHD滤波器；
多普勒盲区
基于多源信息融合与随机有限集的多目标跟踪算法研究
ABSTRACT
Withthedevelopmentofmodernradar,photoelectric,sonarandothersensor
technologies,multi-targettracking(MTT)technologyhasbecomeoneoftheresearch
hotspotsinthefieldofinformationfusion,andiswidelyusedinmilitaryandcivilianfields
suchasairearlywarning,trafficcommandandsoon.Inthemodernbattlefieldenvironment,
theuncertaintyfactorssuchashigh-densitybackgroundclutter,thenumberoftargets
changingwithtime,andthecomplexmaneuveringofmultipletargetswillleadtotheincrease
ofthecalculationamountofthetraditionalmulti-targettrackingalgorithm,andthedecrease
ofthetimelinessandtrackingaccuracyofthealgorithm.RandomFiniteSet(RFS)