基于δ-GLMB滤波器的机动多目标跟踪技术的研究
摘要
随着传感器技术的不断发展，多目标跟踪技术已经成为现代军事攻防体系的重要
组成部分，其在空中侦察与预警、导弹防御、监视战场等军事领域，以及自动驾驶、
机器视觉、医用图像处理等民用领域，均有广阔的应用前景。近年来，基于随机有限
集的多目标跟踪技术，因解决了传统的数据关联技术在目标数量增大时产生的组合爆
炸问题，逐步成为研究的热点。本文以机动目标为研究对象，从机动多目标跟踪、非
线性量测的处理、多普勒雷达量测的应用、目标的自适应检测新生等几个方面，针对
标签随机有限集中的δ-广义标签多伯努利（δ-Generalizedlabeledmulti-Bernoulli,δ-
GLMB）滤波器进行改进，具体研究内容如下：
（1）为了提升δ-GLMB滤波器跟踪机动多目标的性能，借鉴单目标跟踪中的交
互多模型框架，推导出一种新的多模型线性高斯δ-GLMB算法，解决了静态多模型算
法缺乏必要的信息交互从而导致滤波精度下降的问题。该算法采用多个运动模型描述
目标的运动状态，各个模型通过马尔科夫概率转移矩阵进行转移，不同的运动模型采
用不同的滤波器，有效提高了δ-GLMB滤波器面对复杂机动场景的适应能力。
（2）针对非线性量测下的机动多目标δ-GLMB算法计算复杂度较高、跟踪误差
较大以及对杂波变化鲁棒性较差的问题，提出了一种采用去相关无偏量测转换和模糊
算法改进的多模型δ-GLMB滤波器。该算法使用去相关无偏量测转换卡尔曼算法代替
扩展、容积卡尔曼等传统非线性处理方式，降低了计算复杂度，并提出一种联合波门
杂波滤除策略消除虚警量测，最后引入改进的模糊算法，自适应改变运动模型的过程
噪声，进一步增加滤波器的跟踪精度。
（3）针对δ-GLMB滤波器在多普勒雷达场景下量测信息利用不足，且只能检测
固定位置的新生目标的缺陷，提出了基于多普勒雷达的自适应新生量测转换序贯δ-
GLMB滤波器。该算法引入多普勒雷达中的多普勒径向速度信息，依次对位置量测和
径向速度进行量测转换去相关和序贯滤波，并使用量测驱动确定新生目标的状态分布，
实现目标在全检测区域的自适应新生。仿真结果表明，所提算法能够有效利用多普勒
量测信息自适应检测新生目标，同时提升对机动多目标的跟踪精度。
关键词：机动多目标跟踪；δ-广义标签多伯努利滤波器；交互多模型；多普勒雷
达；自适应新生
哈尔滨工程大学专业学位硕士学位论文
Abstract
Withthecontinuousdevelopmentofsensortechnology,multi-targettrackingsystems
havebecomeanimportantcomponentofmodernmilitaryattackanddefensesystems.They
havebroadapplicationprospectsinmilitaryfieldssuchasaerialreconnaissanceandearly
warning,missiledefense,surveillanceofthebattlefield,aswellascivilianfieldssuchas
autonomousdriving,machinevision,andmedicalimageprocessing.Inrecentyears,multi-
targettrackingtechnologybasedonrandomfinitesethasgraduallybecomearesearchhotspot
becauseitsolvesthecombinatorialexplosionproblemcausedbytheincreaseofthenumber
oftargetsinthe