模型转移矩阵对MMPF算法的影响分析

摘要：多模型粒子滤波（MMPF）是一种低信噪比条件下对机动弱目标进行有效检测的检测前跟踪（TBD）方法，但是其性能受各种参数影响。该文对MMPF算法的模型转移参数进行研究，并通过仿真分析和对比，得出一些有益的结论。

关键词：多模型粒子滤波（MMPF）；检测前跟踪（TBD）；模型转移矩阵；目标跟踪

中图分类号：TN953 文献标识码：A 文章编号：1009-3044（2013）01-0136-04

1 概述

利用传感器原始观测数据同时进行检测和跟踪的方法称为检测前跟踪（track-before-detect， TBD）方法[1-4]。TBD技术通过对多次扫描观测数据的积累，实现对微弱目标的检测与跟踪。典型的TBD算法有Hough变换算法[1]，动态规划算法[2]，以及极大似然估计[3]等。粒子滤波（particle filer， PF）由于具有算法简单，可适应非线性、非高斯系统等优点，得到人们越来越的广泛关注和应用[4-7]。文献[8]和文献[9]等研究了基于多模型的粒子滤波（multiple model PF， MMPF）机动弱目标TBD算法，该算法能够实现低信噪比条件下对机动弱目标的有效检测与跟踪。然而，MMPF算法的性能收各种参数的影响，如滤波器采用的粒子数、粒子初始状态分布以及模型转移矩阵等参数的影响。

本文重点针对MMPF算法的模型转移矩阵参数对算法的性能影响进行研究，并通过仿真分析和对比，得出一些有益的结论。