摘要：多模型粒子濾波（MMPF）是一種低信噪比條件下對(duì)機(jī)動(dòng)弱目標(biāo)進(jìn)行有效檢測(cè)的檢測(cè)前跟蹤（TBD）方法，但是其性能受各種參數(shù)影響。該文對(duì)MMPF算法的模型轉(zhuǎn)移參數(shù)進(jìn)行研究，并通過(guò)仿真分析和對(duì)比，得出一些有益的結(jié)論。

關(guān)鍵詞：多模型粒子濾波（MMPF）；檢測(cè)前跟蹤（TBD）；模型轉(zhuǎn)移矩陣；目標(biāo)跟蹤

中圖分類號(hào)：TN953 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2013）01-0136-04

1 概述

利用傳感器原始觀測(cè)數(shù)據(jù)同時(shí)進(jìn)行檢測(cè)和跟蹤的方法稱為檢測(cè)前跟蹤（track-before-detect， TBD）方法[1-4]。TBD技術(shù)通過(guò)對(duì)多次掃描觀測(cè)數(shù)據(jù)的積累，實(shí)現(xiàn)對(duì)微弱目標(biāo)的檢測(cè)與跟蹤。典型的TBD算法有Hough變換算法[1]，動(dòng)態(tài)規(guī)劃算法[2]，以及極大似然估計(jì)[3]等。粒子濾波（particle filer， PF）由于具有算法簡(jiǎn)單，可適應(yīng)非線性、非高斯系統(tǒng)等優(yōu)點(diǎn)，得到人們?cè)絹?lái)越的廣泛關(guān)注和應(yīng)用[4-7]。文獻(xiàn)[8]和文獻(xiàn)[9]等研究了基于多模型的粒子濾波（multiple model PF， MMPF）機(jī)動(dòng)弱目標(biāo)TBD算法，該算法能夠?qū)崿F(xiàn)低信噪比條件下對(duì)機(jī)動(dòng)弱目標(biāo)的有效檢測(cè)與跟蹤。然而，MMPF算法的性能收各種參數(shù)的影響，如濾波器采用的粒子數(shù)、粒子初始狀態(tài)分布以及模型轉(zhuǎn)移矩陣等參數(shù)的影響。

本文重點(diǎn)針對(duì)MMPF算法的模型轉(zhuǎn)移矩陣參數(shù)對(duì)算法的性能影響進(jìn)行研究，并通過(guò)仿真分析和對(duì)比，得出一些有益的結(jié)論。