无偏转换量测概率假设密度滤波在相控阵雷达多目标跟踪中的应用

"基于PHD滤波的相控阵雷达多目标跟踪算法" 在现代雷达系统中，相控阵雷达由于其高精度、高分辨率和多目标处理能力，被广泛应用于军事和民用领域。然而，相控阵雷达在进行多目标跟踪时面临着一系列挑战，如目标数量估计不准确和目标状态估计的精度问题。针对这些问题，"基于PHD滤波的相控阵雷达多目标跟踪算法"提供了一个创新的解决方案。 PHD（Probability Hypothesis Density）滤波是一种随机有限集理论中的重要工具，用于处理不确定性环境下的多目标跟踪问题。它通过估计目标存在的概率密度来跟踪多个动态目标，能够自然地处理目标的生、灭过程，并且在理论上可以保证目标数的统计无偏性。 在传统的扩展卡尔曼概率假设密度（EK-PHD）滤波中，当使用方向余弦量测进行多目标跟踪时，可能会出现两个主要问题：一是目标数量估计过高，这可能导致虚假目标的产生，即“虚警”；二是目标状态估计的准确性较低，这可能由于量测噪声和滤波器的简化假设导致。为了改善这些情况，文章提出了无偏转换量测概率假设密度（UBCM-PHD）滤波算法。 UBCM-PHD滤波算法的核心是量测转换方法，它旨在保持更多的量测信息，尤其是对于方向余弦量测这种非线性的量测模型。通过对量测进行适当的转换，该算法能够更有效地捕获目标的运动特性。此外，该算法还对转换后的量测偏差进行补偿，确保转换误差的均值和方差接近原始量测的高斯分布一、二阶矩。这样做的目的是保持滤波过程的稳定性和减少误差积累，从而提高目标数和目标状态的估计精度。 仿真结果验证了UBCM-PHD滤波算法的有效性。在对比实验中，该算法相对于EK-PHD滤波器展示了显著的性能提升，尤其是在目标数估计和目标状态估计的准确性上。这表明UBCM-PHD滤波器在解决相控阵雷达多目标跟踪问题时具有更好的适应性和可靠性。 关键词：相控阵雷达、多目标跟踪、无偏转换量测、随机有限集、概率假设密度滤波 此研究论文是由北京航空航天大学电子与信息工程学院的研究团队完成，得到了国家自然科学基金等多个项目的资助。该研究对于提高相控阵雷达的多目标跟踪能力，特别是在复杂环境下，具有重要的理论价值和实际应用前景。