● 摘要
空中交通管制的主要目的是获取飞行器运动状态，维护空中交通秩序，以确保飞行安全。多目标跟踪技术是空中交通管制中重要的核心环节，多目标跟踪就是对来自空管系统的监视数据进行滤波、融合处理，准确获取飞行器的状态信息。近几十年来，有众多来自国内外的专家学者对多目标跟踪技术进行深入的研究，成果颇丰。但是，随着航空领域的飞速发展，原有的多目标跟踪环境正在发生显著变化，空中交通管制系统对多目标跟踪技术提出日益复杂的要求，需要对原有的跟踪技术进行革新。
近年来，基于随机有限集理论的多目标跟踪技术成为国内外研究的热点。该方法为了避免传统跟踪模型的数据关联，而将目标状态集与量测集分别建模为随机有限集。从而，通过随机有限集理论，多目标状态估计的问题就可转化成为贝叶斯滤波问题。本课题就是基于随机有限集理论，对空管中多目标跟踪问题进行深入地研究，研究主要成果介绍如下：
针对空中交通管制中可能出现的密集杂波干扰的情况，本文提出了一种改进的多传感器多目标跟踪概率假设密度（PHD）粒子滤波器，通过将特定门限加入至粒子滤波器中，实现滤除远离目标的杂波，并且能够在不影响状态估计性能的情况下，大大减少运算耗时，提高了滤波效率。
针对空管中高空航路实现平稳跟踪问题，即飞行器大都在线性轨迹条件下飞行的情况下，本文给出了高斯混合概率假设密度滤波器（GMPHD）的实现方法，并对比了目标在线性轨迹和非线性轨迹下此滤波器的性能表现。仿真结果显示，该滤波器在线性环境下性能表现优异，而在非线性条件下性能大大降低。
针对空管在终端区域（如机场）中对有较高机动性飞行器的准确跟踪问题，以及高斯混合概率假设密度滤波器（GMPHD）在非线性轨迹中的性能缺陷，本文将序贯蒙特卡洛粒子滤波与势均衡的多伯努利模型相结合，提出了序贯蒙特卡洛势均衡的多伯努利（SMC-CBMeMBer）粒子滤波器。该滤波器的性能表现优异，对目标估计十分准确，跟踪紧密，克服了高斯混合概率假设密度滤波器（GMPHD）在非线性环境下性能不足的缺陷，可以适用于工程应用。