【课题推荐】多目标场景下，匹配观测数据与已有航迹；同时处理航迹终点（目标消失后无匹配观测）和起点，避免混淆

运行结果

本文针对多目标场景下的观测—航迹匹配问题，设计了一个基于 MATLAB 的多目标航迹关联仿真程序。程序能够在多个目标同时运动、观测点存在噪声、目标可能出现或消失的情况下，实现观测数据与已有航迹之间的自动匹配，并对航迹的起点和终点进行合理管理。

在多目标跟踪中，最常见的问题不是单个目标的滤波精度，而是当前时刻的观测点到底属于哪一条历史航迹。当目标数量较多、运动轨迹交叉、观测存在随机误差时，如果仅依靠最近邻方法，很容易出现航迹交换、误匹配或轨迹断裂等问题。因此，本文程序重点模拟以下几类典型情况：

1. 多个目标同时运动，系统在每一时刻接收一组观测点；
2. 观测点与已有航迹之间需要建立匹配关系；
3. 当目标消失后，已有航迹在后续时刻可能没有对应观测，需要判断其是否应当终止；
4. 当新目标出现时，未匹配观测不能直接混入旧航迹，而应当作为新航迹起点进行管理；
5. 在航迹起点和终点同时存在时，避免将“目标消失后的空缺”与“新目标出现的观测”混淆。

程序运行后，主要可以得到以下结果：

• 多目标真实运动轨迹；

• 观测点与已有航迹之间的匹配关系；
  

• 最终形成的多目标航迹估计结果。

运行结果表明，该程序能够较好地区分已有航迹延续、新航迹生成、旧航迹终止三类情况。当某个目标消失后，程序不会强行将后续无关观测点分配给该航迹；当新的观测点长期无法匹配到已有航迹时，程序会将其作为新的候选航迹，并在满足确认条件后转化为正式航迹。

程序详解

本文程序的核心任务可以概括为：在第 $k$ 个时刻，根据当前观测集合 $Z_k$ 和上一时刻已有航迹集合 $T_{k-1}$，建立合理的观测—航迹匹配关系，并更新航迹状态。

设当前时刻的观测集合为

$$Z_k=z_k^1,z_k^2,\cdots ,z_k^M$$

已有航迹集合为

$$T_{k-1}=T_{k-1}^1,T_{k-1}^2,\cdots ,T_{k-1}^N$$

其中，$M$ 表示当前观测数量，$N$ 表示已有航迹数量。每一条航迹中保存了目标的历史位置、当前预测位置、连续未匹配次数、航迹状态等信息。

对于第 $i$ 条航迹和第 $j$ 个观测点，可以构造匹配代价：

$$c_{ij}=\left|z_k^j-{\hat{x}}_{k|k-1}^i\right|$$

其中，${\hat{x}}_{k|k-1}^i$ 表示第 $i$ 条航迹在当前时刻的预测位置，$z_k^j$ 表示第 $j$ 个观测点。代价越小，说明该观测点越可能属于该航迹。

为了避免距离过远的观测点被错误匹配，程序中通常设置一个门限 $d_{\max }$，即只有满足

$$c_{ij}<d_{\max }$$

的观测—航迹组合才被认为是有效候选匹配。如果距离超过门限，则将其视为不可匹配项。

在实际程序中，可以将所有航迹与所有观测之间的距离组成代价矩阵：

$$C=\left[\begin{array}{ccccccccccccc}{c}_{11}& c_{12}& \cdots & c_{1M}{c}_{21}& c_{22}& \cdots & c_{2M}⋮& ⋮& \ddots & ⋮c_{N1}& c_{N2}& \cdots & c_{NM}\end{array}\right]$$

然后通过最小代价匹配方法完成观测与航迹之间的分配。对于简单仿真，可以使用最近邻匹配；对于目标数量较多或交叉情况较复杂的场景，则可以进一步采用匈牙利算法、全局最近邻方法或联合概率数据关联方法。

本文程序的重点不仅在于匹配本身，还在于对未匹配航迹和未匹配观测的处理。

对于已有航迹，如果在当前时刻没有匹配到任何观测，则不能立即删除，而是将其标记为一次漏检。对应的连续未匹配次数更新为

$$m_i(k)=m_i(k-1)+1$$

当连续未匹配次数超过设定阈值 $M_{\max }$ 时，说明该目标很可能已经离开观测区域或已经消失，此时将该航迹终止。这样可以避免由于单帧漏检导致航迹被过早删除。

对于当前时刻没有被分配到任何已有航迹的观测点，也不能简单丢弃。因为这些观测点可能来自新出现的目标。程序会将这些未匹配观测作为候选航迹的起点，并进行临时保存。如果该候选航迹在后续若干帧中持续获得匹配观测，则将其升级为正式航迹。

因此，航迹状态通常可以划分为三类：

这种设计可以有效解决多目标跟踪中的两个关键问题：
一是目标消失后，避免将其他目标的观测错误接入旧航迹；
二是新目标出现时，避免将其误认为旧航迹的延续。

在程序实现中，每一条航迹一般包含以下信息：

track.id          % 航迹编号
track.state       % 当前预测状态
track.history     % 历史轨迹点
track.age         % 航迹存在时间
track.missCount   % 连续未匹配次数
track.hitCount    % 连续匹配次数
track.status      % 航迹状态：候选、确认、终止

其中，missCount 用于判断航迹是否需要终止，hitCount 用于判断候选航迹是否可以升级为正式航迹。通过这两个计数变量，可以将航迹起点和航迹终点分开处理，从而降低多目标场景下的航迹混淆风险。

对于已匹配成功的航迹，其状态更新可以采用简单的位置更新方式，也可以进一步引入卡尔曼滤波。若采用匀速运动模型，目标状态可以写为

$$x_k={\left[\begin{array}{cccc}{p}_x& p_y& v_x& v_y\end{array}\right]}^T$$

状态预测模型为

$$x_k=F{x}_{k-1}+w_k$$

其中，

$$F=\left[\begin{array}{ccccccccccccc}1& 0& \Delta t& 00& 1& 0& \Delta t0& 0& 1& 00& 0& 0& 1\end{array}\right]$$

观测模型为

$$z_k=H{x}_k+v_k$$

其中，

$$H=\left[\begin{array}{ccccccc}1& 0& 0& 00& 1& 0& 0\end{array}\right]$$

如需帮助，或有导航、定位滤波相关的代码定制需求，请点击下方卡片联系作者