基于LSTM 子網絡聚合的雷達TWS 跟蹤*

唐知行 劉華軍

（南京理工大學計算機科學與工程學院 南京 210094）

1 引言

多目標跟蹤在雷達目標探測和追蹤領域是至關重要的問題。隨著近年來電子通信和計算機技術的飛速發展，使得雷達多目標跟蹤的應用［1］更加廣泛。在民用領域，航空管制雷達可以標識機場、航線上的飛機的高度、速度等運動屬性；交通管制雷達能對路面車流量進行監控，來實現智能交通管理。在軍事領域，火控雷達可以通過探測目標在空中的位置來對目標進行精確打擊；指導雷達可以在探測的同時控制導彈對多個目標進行攻擊。

傳統的雷達多目標跟蹤一般采用邊掃描邊跟蹤（Track-While-Scan，TWS）模型，核心技術是跟蹤濾波和數據關聯［2］。它通過掃描得到當前幀含噪聲的量測，然后估計多個目標的數量以及運動特征（如位置、速度、加速度等），來完成跟蹤任務［3］。在跟蹤濾波方面，20 世紀60 年代提出的卡爾曼濾波算法［4］能夠很好地適應線性狀態空間系統。之后擴展卡爾曼濾波算法（Extended Kalman Filtering，EKF）［5］的應用在非線性系統上獲得突破。Juiler 等使用無跡卡爾曼濾波（Unscented Kalman Filering，UKF）［6］來解決濾波發散的問題。隨后粒子濾波等改進算法［7］也被相繼提出。在數據關聯方面，最近鄰（Nearest Neighbor Data Association，NNDA）算法［8］通常適用于濾波對象較為稀散、雜波干擾少的環境。Bar-Shalom 等提出聯合概率數據關聯算法（Joint Probability Data Association，JPDA）［9］，適用于中高密度雜波的多目標場景，但只適用計算量小的場景。多假設跟蹤算法（Multiple Hypothesis Tracking，MHT）［10］使用多個測量周期的數據進行持續跟蹤，但其過于依賴先驗的知識，不適合實時性要求較高的跟蹤場景。……