[论文解读] A Survey of Manoeuvring Target Tracking Methods

G.W. Pulford|arXiv (Cornell University)|Jan 1, 1998

Target Tracking and Data Fusion in Sensor Networks参考文献 111被引用 6

一句话总结

本综述全面回顾了在无杂波和有杂波环境中跟踪机动目标的方法，涵盖动力学模型、机动检测以及交互多模型（IMM）、输入估计和概率数据关联等滤波技术。尽管文献中算法众多，但性能比较却极为缺乏，本文为此引入了一个评估基准。

ABSTRACT

A comprehensive review of the literature on manoeuvring target tracking for both uncluttered and cluttered measurements is presented. Various discrete-time dynamical models including non-random input, random-input and switching or hybrid system manoeuvre models are presented. The problem of manoeuvre detection is covered. Classical and current filtering methods for manoeuvre tracking are presented including multi-level process noise, input estimation, variable dimension filtering, two-stage filter, the interacting multiple model algorithm, and generalised pseudo-Bayesian algorithms. Various extensions of these algorithms to the case of cluttered measurements are also described and these include: joint manoeuvre and measurement association, probabilistic data association and multi-hypothesis tracking. Smoothing schemes, including IMM smoothing and batch expectation-maximisation using the Viterbi algorithm, are also described. The use of amplitude information for target measurement discrimination is discussed. It is noted that although many manoeuvre tacking techniques exist, the literature contains surprisingly few performance comparisons to guide the design engineer although a performance benchmark has recently been introduced.

研究动机与目标

• 系统回顾用于跟踪机动目标的动力学模型、机动检测和滤波技术。
• 分析经典与现代滤波方法，包括IMM、输入估计和变维滤波器。
• 研究这些方法在使用概率数据关联和多假设跟踪技术时向有杂波环境的扩展。
• 识别性能评估中的空白，并强调在算法比较中建立标准化基准的必要性。

提出的方法

• 回顾离散时间动力学模型，包括Singer的关联过程噪声模型、半-Markov模型以及基于泊松分布的加速度模型。
• 通过数据窗或指数遗忘的残差检验和似然比检验分析机动检测方法。
• 综述滤波技术：IMM、输入估计、两阶段卡尔曼滤波器以及广义伪贝叶斯（GPB）算法。
• 通过概率数据关联（PDA）、IMM-PDA和变维PDA研究向有杂波环境的扩展。
• 讨论平滑技术，包括IMM平滑和基于Viterbi算法的批量期望最大化方法。
• 探讨利用幅度和信噪比（SNR）信息在杂波中进行测量区分的应用。

实验结果

研究问题

• RQ1 用于表征机动目标行为的关键动力学模型有哪些？
• RQ2 不同机动检测策略在灵敏度和虚警率方面的表现如何比较？
• RQ3 在跟踪精度与计算成本之间，IMM、输入估计和变维滤波之间存在哪些性能权衡？
• RQ4 PDA和多假设技术如何提升在杂波环境中的跟踪性能？
• RQ5 基于EM的PMHT框架和MHT框架在高杂波场景中在多大程度上提升了性能，其局限性是什么？

主要发现

• 文献中存在大量机动目标跟踪技术，但令人惊讶的是，用于指导算法选择的性能比较却极为稀少。
• IMM算法在计算复杂度显著降低的情况下，性能可与输入估计相媲美。
• IMM-PDA和变维PDA在中等复杂度下扩展了在杂波环境中的跟踪能力。
• 数值仿真表明，基于EM的PMHT算法在重杂波环境下可能优于IMM-PDA，但与高性能方法如MHT或GPB的比较仍有限。
• 利用幅度和SNR信息可提升在杂波中的测量区分能力，为雷达跟踪提供有前景的增强手段。
• 近期已提出用于相控阵雷达中机动目标跟踪的基准，解决了标准化评估的缺失问题。