一种机动目标多假设跟踪方法

胡 敏，邱金凤，许 红，李荣锋

(1 航天南湖电子信息技术股份有限公司， 湖北 荆州 434000；2.海军工程大学电子工程学院， 武汉 430033)

多假设跟踪(Multiple Hypothesis Tracking，MHT)[1-3]采用一种延迟判决逻辑，通过建立和传播多个候选假设，由后续的量测数据来解决当前时刻的数据关联问题。由于利用了多个时刻的量测信息，理论上MHT的性能优于传统的全局最近邻(Global Nearest Neighbor，GNN)[4]、概率数据关联(Probability Data Association，PDA)[5]和联合数据关联(Joint Probability Data Association，JPDA)[6]，因而被广泛应用于各种多目标跟踪(Multiple Target Tracking，MTT)场景[7-9]。

MHT方法最早由Reid[3]于1979年提出，该方法面向量测构造关联假设，通过枚举可行的全局假设，并计算假设的概率来给出最优的量测关联结果。因此，该方法实质上是基于假设的MHT方法(Hypothesis-oriented MHT，HOMHT)。然而，在复杂跟踪场景中，枚举可行的全局假设是一个NP-难问题，因此文献[3]中HOMHT方法难以实际应用。文献[10]通过利用Murty 算法来生成假设，避免了枚举操作，减低了HOMHT的计算复杂度。文献[11]提出了面向航迹的MHT方法(Track-oriented MHT，TOMHT)，该方法是一种“自上而下”的方法，其通过更新的航迹节点来生成全局假设，避免了维持和传播假设。相比于HOMHT，TOMHT的计算复杂度和实现难度更低，因而，在MTT领域多采用TOMHT方法[1]。

本文基于TOMHT方法开展研究，TOMHT的难点在于最优全局假设的生成。针对该问题，基于图论的TOMHT方法近年来倍受关注。文献[12]指出最优假设生成问题等价于最大权重独立集(Maximum Weighted IndependentSet，MWIS)问题。为了引用方便，本文将传统的基于(Multi-dimensional Assignment，MDA)和基于MWIS的MHT方法分别简记为MDA-MHT和MWIS-MHT。与MDA-MHT相比，MWIS-MHT具备如下优势[12-14]：MWIS-MHT在概念上更加简洁明了；MWIS是一个经典的组合优化问题已被广泛研究，因此利用现有的MWIS求解算法可更加高效的求解全局假设。……