概率密度滤波的中段弹道目标群红外多传感器组跟踪新策略

本文主要探讨了在现代军事环境中，利用低轨光学星座对中段弹道目标群进行高效组跟踪的重要性。中段弹道目标群通常包含多个目标，其轨迹复杂且动态性强，因此传统的单传感器跟踪方法可能难以满足精确跟踪的需求。为了克服这一挑战，研究者提出了一个新颖的红外多传感器组跟踪方法，结合了概率假设密度滤波（Probability Hypothesis Density, PHD）技术和红外多传感器信息。 PHD滤波器作为一种统计建模方法，通过维护目标的分布概率来处理不确定性，能够有效地剔除杂波干扰，同时估计目标的数量和状态。这种方法被应用于目标群的像平面跟踪过程中，提高了跟踪的鲁棒性和准确性。通过图像配准技术，文章进一步优化了帧间目标状态估计，增强了像平面目标跟踪的稳定性，减少了跟踪误差。 在跟踪过程中，论文着重于提取目标群在像平面上的质心量测。质心作为目标群的重要特征，能够提供关于目标群总体位置的关键信息。研究者采用了不敏感卡尔曼滤波（Unscented Kalman Filter, UKF）的多传感器序贯融合策略，将不同传感器的数据融合在一起，实现了对目标群质心的精确组跟踪。 实验结果显示，这种新方法表现出良好的抗杂波能力，相对于传统方法，它显著提升了目标群质心组跟踪的精度。此外，由于采用星载红外像平面稳定跟踪，这种方法在复杂环境条件下也能保持稳定的性能。因此，该方法对于实现对中段弹道目标群的有效监控和管理具有重要的实际应用价值。 总结来说，这篇文章介绍了一种创新的红外多传感器组跟踪方法，它结合概率假设密度滤波和UKF，提高了中段弹道目标群的跟踪性能，为军事航天领域的目标检测和跟踪技术提供了新的思路。关键词包括组跟踪、概率假设密度滤波、红外多传感器、目标群，这些关键词体现了文章的核心技术和研究领域。