一、项目实施情况：
1 研究背景
目标跟踪是指利用传感器的量测值对目标的个数以及状态等信息进行估计的过程。随着雷达、声呐、红外及可见光等现代传感器技术的迅猛发展，目标跟踪在军事和民用领域均得到了广泛的应用。在军事领域，目标跟踪技术可应用于空中预警、战场监视、反导防御、水下跟踪攻击和超视距目标探测跟踪等系统；而在民用领域，其在空中交通管制、机器人视觉导航、智能视频监控、无人驾驶、医疗监护等方面均有广泛的应用。
目标跟踪根据被跟踪目标的个数可分为单目标跟踪和多目标跟踪两种，其中多目标跟踪比单目标跟踪复杂的多。在传统的单目标跟踪系统中，可以通过基于目标运动和量测模型的滤波算法估计目标的状态，从而实现对单目标的跟踪。而在传统的多目标跟踪系统中，由于存在目标和量测值对应关系的不确定性，其一般先采用数据关联技术来确定目标与量测值之间的关联关系，然后分别通过单目标滤波算法单独估计每个目标的状态信息。传统的多目标跟踪算法即为“数据关联、滤波”的过程，其中数据关联是其关键技术之一，常用的数据关联算法主要包括：最近邻数据关联(Nearest Neighbor，NN)，联合概率数据关联(Joint Probability Data Association，JPDA)，多假设跟踪(Multiple Hypothesis Track，MHT)和多维分配(Multiple Frame Assignment，MFA)等。此类基于数据关联的算法在目标个数已知、信噪比较高或杂波较少的较理想环境下能够取得较好的跟踪效果，然而该类算法通常需要已知目标数目等先验信息，并且受限于数据关联的影响，具有计算复杂度高的缺点。本项目对复杂的目标跟踪系统进行研究，主要研究目标定位跟踪问题，采用最新的目标跟踪算法，并对目标跟踪算法的实现进行研究。
2 理论依据
近些年来，基于随机有限集(Random Finite Set，RFS)理论的多目标跟踪算法受到了国内外学者的广泛关注，随机有限集作为数学研究的一个分支已经得到了半个多世纪的发展，其最早出现于经济学和控制学领域。R. J. Aumann在1965年首先介绍了集值映射，并给出了集值函数积分的定义。1973年，D. G. Kendall提出了可测闭集的映射，其作为基础性知识为随机有限集发展奠定了坚实的理论基础。随后G. Matheron对随机有限集进行了进一步的研究，大力推进了随机 有限集理论的发展。1994年，Mahler将随机有限集理论作为处理信息融合问题的理论平台，并将其应用于信息融合的各个方面，其中基于随机有限集的目标跟踪部分得到了充分的发展。随后Mahler和Vo团队为随机有限集理论应用于目标跟踪中作出了巨大的贡献，先后提出了一系列基于随机有限集的目标跟踪算法并成功应用于不同场景，例如：针对多目标跟踪提出了概率假设密度(Probability Hypothesis Density，PHD)滤波、势概率假设密度(Cardinalized Probability Hypothesis Density，CPHD)滤波、多目标多伯努利(Multi-target multi-Bernoulli，MeMBer)滤波、势平衡多目标多伯努利(Cardinality balanced Multi-target multi-Bernoulli，CBMeMBer)滤波等。
与传统的目标跟踪算法相比，基于随机有限集的目标跟踪算法避免了复杂的数据关联、可以处理目标数目未知且时变的多目标跟踪问题、并且具有估计精度高和易于实现的优点。然而，基于随机有限集的目标跟踪算法在实际跟踪系统中的应用仍属于一种较新的方法，其相关理论和工程实现问题还需要不断的探索研究。虽然传统的基于随机有限集的几种多目标跟踪算法(PHD、CPHD和CBMeMBer)解决了多目标跟踪过程中的数据关联问题，但其最终得到的是多目标的状态值，并不能直接得到多目标的航迹，因此不是严格意义上的多目标跟踪算法。 Vo团队针对传统随机有限集多目标跟踪算法存在的这些问题，对随机有限集进行了深入的研究，给出了标签随机有限集的理论，并提出了标签多伯努利 (Label multi-Bernoulli, LMB)滤波算法，该算法可以直接得到多目标的航迹信息。此类LMB滤波算法在多目标跟踪领域已成为近些年国内外学者的研究热点。因此本项目对此类算法进行研究，其中主要研究了定位和跟踪算法，其中定位主要是跟踪过程中的参数估计问题，跟踪主要研究基于随机有限集的跟踪算法。
3 项目的研究成果
本项目主要的研究成果包括如下：
3.1 目标运动模型及跟踪算法研究
本项目研究了目标非机动模型
当目标以匀速或匀加速直线运动时，运动状态可用匀速(Constant Velocity，CV)运动模型或匀加速(Constant Acceleration，CA)运动模型描述。
假如目标在一维空间内作匀速直线运动，则其CV运动模型可表示为：
（1）
其中，表示k时刻目标状态，和分别表示目标的位置和速度， T为采样间隔，为均值为零、方差为的高斯白噪声。
假如目标在一维空间内作匀加速直线运动，则其CA运动模型可表示为：
（2）
传感器测量中可能存在随机的杂波和漏检，并且检测跟踪过程中可能存在目标的新生和消失等情况，因此可将其建模成一个随机有限集。
首先，在多目标检测跟踪过程中，可以根据目标运动变化情况，将目标运动模型划分为目标持续(目标在上一时刻和当前时刻均存在观测区域)、目标新生(当前时刻观测区域内出现的新目标)、目标消失(上一时刻存在于观测区域而当前时刻消失了的目标)和目标衍生(上一时刻存在于观测区域而当前时刻发生分裂的目标)四种情况。利用RFS可将目标的这四种情况统一建模。即假设k-1时刻的多目标状态RFS为，则k时刻的多目标状态RFS可表示为：
（3）
其中，表示目状态值为的目标从k-1时刻到k时刻的RFS，取值为或，其分别表示目标持续或目标消失的不同情况；表示的是k时刻由状态的目标衍生得到的目标状态的RFS；表示k时刻新生目标状态的RFS。一般情况下假设、和相互独立。
3.2 随机有限集跟踪算法研究方面
系统的研究了多传感器伯努利滤波跟踪算法，并且仿真比较了该算法的粒子滤波实现问题。
基于随机有限集的目标跟踪算法其一般假设同一时刻一个目标只能对应一个测量值，而在实际跟踪系统中很多目标并不满足此假设，例如多传感器目标和多径目标。此类目标同一时刻均可能存在一个目标通过多条路径或者多个传感器获得多个测量值。因此，国内外学者对此类目标进行了系统性的研究，并提出了许多随机有限集改进算法，例如华中科技大学陈劲峰博士针对超视距目标的多径问题提出了多径伯努利滤波算法，此算法从理论上将伯努利滤波算法扩展到多径目标跟踪系统中。而在算法实现方面常用的方法是粒子滤波和高斯混合。本项目对多径伯努利滤波实现问题进行研究，主要利用粒子滤波可以解决非线性问题的特点，研究粒子滤波实现方法，并对算法的性能进行仿真分析。该项目成果已发表两篇篇学术论文《基于粒子滤波的多径伯努利目标跟踪算法》和《浅谈目标跟踪技术的发展》。
3.3 定位算法研究方面
定位是目标跟踪过程中的一部分，定位可以获得目标的离散点轨迹，当获得离散点轨迹后再通过滤波算法对轨迹进行更新可获得更为准确的目标运动轨迹。本项目对目标定位方面也进行了相应的研究，并获得了一定的成果。
在目标跟踪过程中，根据传感器的特性不同，其可获得不同的测量值，其中主要包括时差、方位角和多普勒频率差。本项目根据不同的测量值对不同定位系统的性能进行了系统性的研究，其中主要包括：
1）基于时差和多普勒的双发单收目标定位系统
项目主要研究了基于两个非合作发射站一个接收站-双发单收无源定位系统的时间差和多普勒频率联合定位算法。利用多个观测时间的数据进行联合定位，以提高目标定位的精度。其中多普勒频率为电磁波探测到目标的散射波相对于直达波的偏移，时间差是直达波和反射波的时间差。通过二维定位的方式研究时间差和多普勒频率误差及观测时间对目标位置和运动信息估计的性能的影响。该成果已经发表于南昌工程学院学报《基于时差和多普勒的双发单收目标定位系统性能分析》。
2）针对低慢小目标的定位跟踪算法研究
“低慢小”目标主要指低空、慢速、小型的飞行器，随着科技的发展，此类飞行器被广泛应用于国防及民用领域，其主要包括无人机，热气球，滑翔伞等。此类飞行器由于成本相对比较低，因此经常被不法分子利用，其对国家安全及人们生活带来了很大的威胁。例如：不法分子可以利用无人机或者热气球进行恐怖袭击，或者利用无人机进行非法拍摄等。近些年来，有关部门已经出台了一些相关管理条例对“低慢小”目标进行相应的管控。而此类目标由于速度慢，目标小的特性，对此类目标定位跟踪相对比较困难。因此有必要对此类目标的定位跟踪进行系统性的研究。
对“低慢小”目标定位跟踪可以根据“低慢小”目标的特性，根据不同的定位跟踪区域地形架设多个接收站，然后根据接收站接收到的观测量对目标进行定位跟踪。接收站接收到的观测量参数主要包括：方位角（DOA）、时间差（TDOA）和多普勒频率（FDOA）等信息。在目标定位方面，常用的目标定位算法根据采用的观测量参数不同可分为方位角定位、时差定位、多普勒频率定位以及其相应的组合定位算法。而在目标跟踪方面主要是对接收到的参数进行滤波形成目标航迹的过程。本项目对目标定位和跟踪进行了系统性的讨论，该成果已经发表一篇学术论文《“低慢小”目标定位跟踪算法研究》。
3）基于方位角的目标定位跟踪系统
项目主要研究了在多传感器情况下的低慢小目标定位跟踪系统，其中主要针对时间差的低慢小目标定位需要最少三个以上的接收站接收到目标，而当接收站只有两个站接收到目标时，需要采用方位角的信息对其进行定位。其中要根据实际应用场景对两个接收站的情况下的目标定位跟踪系统进行了系统性的研究，该成果已经发表一篇学术论文《基于方位角的“低慢小”目标定位算法研究》。
3.4 目标跟踪系统平台
项目组成员利用matlab软件中的GUI功能开发基本的目标跟踪系统界面：
4 发表论文方面成果
项目研究期间，项目组成员以第一作者发表学术论文3篇，第二作者发表学术论文2篇（所有论文均标注项目编号）。论文详细列表及说明如下：
1、邬赟, 陈天顺, 谭文群,等. 基于粒子滤波的多径伯努利目标跟踪算法[J]. 电脑知识与技术:学术版, 2021, 17(22):2.
该论文第一作者为项目组成员。
2、邬赟,谭文群,吴慧东,李金玲.基于方位角的“低慢小”目标定位算法研究[J].电脑知识与技术,2021,17(19):139-140.
该论文第一作者为项目组成员。
3、李金玲,秦永*,陈文嘉,叶健安.浅谈目标跟踪技术的发展[J].商情,2020,2020(30):103+105
此论文第一作者为项目成员，该论文对目标跟踪算法近几年发展的一个综述.
4、秦永,邬赟,魏朝平,谭文群,樊飞燕.基于时差和多普勒频率的双发单收目标定位系统性能分析[J].南昌工程学院学报,2021,40(03):61-66.
第二作者为项目组成员。
5、秦永,叶健安,李金玲,陈文嘉.“低慢小”目标定位跟踪算法研究[J].电脑知识与技术,2020,16(26):23-24+26.
该论文为RFS算法的应用，其应用于低慢小目标跟踪中。第二作者为项目组负责人。
5 完成情况及存在问题
本项目已经发表论文5篇，其中项目组成员第一作者3篇，第二作者2篇，已达到国家级大学生创新创业训练计划项目结题要求，项目组成员已达到科研训练目的，掌握了matlab软件、基本算法研究及论文撰写能力。
存在问题：
1）理论研究方面还需要积累，科研成果发表论文档次有待提高。
2）程序编写能力有待进一步提高。
二、项目创新点与特色：
成果主要内容：5篇相关学术论文。
特色：论文全部围绕目标定位跟踪算法展开。
效益：对目标跟踪在实际应用中有理论指导意义。
突破和创新：系统性的研究了随机有限集算法在目标跟踪中的应用，特别是对低慢小目标上的应用进行了系统性的研究。
2.该项目对大学生进行了哪些方面的创新创业训练，效果如何。
主要进行以下几方面的创新创业训练：
1）掌握算法仿真语言matlab
2）掌握GUI创建最基本的用户界面设计
3）掌握算法设计流程
4）掌握matlab程序编写过程
5）掌握科研中的算法研究方法
6）对自己所做工作的总结能力。
大学生通过该项目训练效果如下：
1）能够熟练使用matlab；
2）能够利用GUI创建最基本的用户界面；
3）能够熟悉算法研究原理，以及对算法仿真程序中出现的问题进行调试与修改；
4）能够对开发过程中的文档和自己的工作进行总结，发表一篇跟本项目相关的论文。
四、研究体会和心得：
通过该项目的训练，项目组成员能够熟练使用matlab；能够利用GUI创建最基本的用户界面；能够熟悉算法研究原理，以及对算法仿真程序中出现的问题进行调试与修改；能够对开发过程中的文档和自己的工作进行总结，并可以初步掌握论文发表能力。在指导老师的悉心指导下，受益匪浅。
五、经费使用明细情况：
项目获批总经费：3000(元)，项目实际投入经费：10000(元)，实际使用资金：10000(元)，结余资金：0(元)
项目经费开支情况
| 名目 | 用途 | 金额(元) | 备注 |
| 论文版面费 | | | |
| 专利申请费 | | | |
| 调研、差旅费 | 去外地调研 | 6559 | |
| 打印、复印费 | | | |
| 资料费 | | | |
| 试剂等耗材费 | | | |
| 元器件、软硬件测试、小型硬件购置费 | 耗材，构建小型接收机 | 2441 | |
| 其它 | | 1000 | |
指导教师意见：
通过该项目的训练，项目组成员已经基本掌握了matlab软件编程、算法研究方法和学术论文的撰写能力。研究成果符合要求、经费使用正常。