1、經過了幾十年的研究和發(fā)展，傳統(tǒng)多目標跟蹤方法已在許多工程領域得到了成功的應用。但面對情況日益復雜的多目標跟蹤場景，由于受制于繁雜的數據關聯問題，傳統(tǒng)跟蹤方法顯得有些力不從心。而近年來提出的基于概率假設密度(Probability Hypothesis Density,PHD)濾波器的多目標跟蹤方法以隨機有限集統(tǒng)計學作為其堅實的理論基礎，能夠對目標出現、分裂、消失、漏檢及雜波等現象進行嚴格的、統(tǒng)一的數學描述，避免了傳統(tǒng)多目標跟蹤方法中復雜

2、的數據關聯問題，具有較低的計算量和較好的目標跟蹤性能。因此，論文分別從跟蹤起始、跟蹤維持和跟蹤終結三個階段對基于PHD濾波器的雷達輻射源多目標跟蹤問題開展研究，主要工作及研究成果如下：
　　1.在目標跟蹤起始階段，針對PHD濾波器目標出生強度未知的問題，提出了一種自適應的目標出生強度估計方法。根據相鄰時刻的量測信息，本文綜合利用單點起始法和兩點起始法計算出候選新生目標的位置和速度均值，并基于高斯混合模型實現了目標出生強度的自適應估

3、計。相比已有的目標出生強度估計方法，所估計的出生強度能夠更好的表征新生目標的初始狀態(tài)信息，增強了PHD濾波器的實用性。在此基礎上，本文結合自適應的目標出生強度估計對標準PHD濾波器的預測及更新過程進行了改進，并給出了相應的高斯混合及序貫蒙特卡洛兩種實現方式。
　　2.在目標跟蹤維持階段，鑒于雷達輻射源類別信息不同于目標平臺分類信息但又存在著一定的聯系，提出了一種基于雷達輻射源信號特征的類別信息輔助GM-PHD(GM-C-PHD)濾

4、波器。本文首先利用輻射源信號特征進行雷達類型的識別，然后基于可傳遞信度模型根據雷達-平臺的配屬關系將該識別結果轉換到與已知類別信息相同的辨識框架內。在此基礎上，采用相容系數度量其相似度用以近似GM-C-PHD濾波器中的量測似然值，從而實現類別信息的輔助雷達輻射源目標跟蹤。
　　3.鑒于復雜電磁環(huán)境中雷達輻射源識別算法無法提供準確可靠的識別結果，提出了一種直接利用輻射源信號參數信息輔助進行雷達輻射源目標跟蹤的GM-PHD(GM-E-

5、PHD)濾波器。在輻射源信號參數概率密度分布未知的情況下，本文借鑒概率數據關聯算法的思想，通過計算信號參數量測關于目標及雜波的隸屬度用以近似信號量測的似然函數值，從而將輻射源信號參數信息融入到GM-PHD濾波器高斯分量權值的更新過程中，有效提高了目標跟蹤的性能。
　　4.在目標跟蹤維持階段，針對擴展目標PHD濾波器計算量大且量測集劃分不準確的問題，提出了一種基于層次聚類量測集劃分的ET-GM-PHD濾波器。對于每個時刻獲得的所有量

6、測信息，本文通過逐步合并最相似的兩個量測子集以實現整個量測集的有效劃分，并利用相鄰兩次劃分結果的相似性遞歸地計算ET-GM-PHD濾波器的量測似然函數值，從而大大降低了跟蹤算法的計算復雜度。此外，本文還考慮將雷達輻射源目標的信號特征信息融入到ET-GM-PHD濾波器量測集劃分及高斯分量權值更新的過程中，以進一步提高目標跟蹤性能。
　　5.鑒于已有的擴展目標PHD濾波跟蹤算法難以對群目標的形狀進行準確建模，提出了一種結合聚類的GM-

7、PHD濾波器雷達輻射源群目標跟蹤方法。本文首先在GM-PHD濾波器的更新過程中通過引入群中心產生的虛擬量測信息以克服PHD濾波器對目標漏檢敏感的問題，獲得單一個體目標的估計狀態(tài)后再對其進行聚類以實現群目標的跟蹤，最后通過對相鄰時刻的群中心軌跡點進行關聯匹配，從而獲得群目標的完整運動軌跡。仿真實驗結果表明，本文的方法能夠有效處理群目標分裂及合并的情況，并獲得較好的雷達輻射源群目標跟蹤結果。
　　6.最后在目標跟蹤終結階段，針對雷達輻

8、射源目標跟蹤過程中存在較多軌跡片段導致跟蹤效果不理想的問題，結合標記GM-PHD濾波器提出了一種基于小軌跡關聯的多階段雷達輻射源目標跟蹤方法。在小軌跡提取階段，本文結合自適應的目標出生強度估計和輻射源信號參數信息，利用帶有標記的GM-PHD濾波器對雷達輻射源目標進行跟蹤以獲得目標的軌跡片段（小軌跡）；小軌跡關聯階段則綜合考慮了軌跡片段的多個時刻運動信息及輻射源信號參數信息用以計算軌跡片段之間的相似性，然后利用近鄰傳播算法對其進行聚類關聯