第1章
绪论

1.1　研究背景及意义

20世纪90年代，我国智能交通行业起步，从跟踪国际先进技术，逐步转变为研发具有自主知识产权的核心技术，其快速发展为社会带来了巨大影响。交通信息是城市交通规划管理的基础信息，获取全面、丰富、实时的交通信息不但可以把握城市道路的发展现状，还可以预测发展情况，为交通管理部门的正确决策提供科学依据。目前，交通信息采集主要通过雷达、摄像机、声呐等完成，对信息进行处理可以得到被测目标的距离、速度、角度等信息。

交通领域有很多基于视频图像信息的解决方案，光照等因素会对视频图像信息造成较大干扰，因此这些解决方案无法适应全天候智能交通场景。在高速公路交通场景中，夜晚的事故发生率较高，交通监管存在视线不清、难以定责等问题，人工监管和视频监管的效果较弱。毫米波雷达可以很好地适应复杂场景，并具有全天候、环境自适应能力强等优势，越来越多的研究人员开始利用雷达采集交通信息。

毫米波雷达是一种探测雷达，波长大于微波且小于厘米波，工作频率为30GHz～300GHz。毫米波雷达的主要特点有可靠性强、检测精度高、稳定性强、全天候、抗干扰能力强、安装和维护方便、寿命长、初装成本低等。毫米波雷达因分辨率高、抗干扰能力强（环境、光照等）、体积小、能全天候工作而在军事领域得到广泛应用。近年来，民用毫米波雷达不断发展，如交通监视雷达、车载雷达、定点测距雷达等。

早期的毫米波雷达目标跟踪系统研究大多针对单对单系统，在单对单系统中，雷达只能对一个目标进行轨迹跟踪。随着相关技术的发展及场景的复杂化，许多学者开始研究多目标跟踪系统。1955年，Wax提出了多目标跟踪的基本概念。在多目标跟踪中，聚类算法、数据关联算法和滤波算法极为重要。1984年，Aldenderfer等提出了聚类分析的四大功能：一是数据分类的进一步扩展；二是对实体归类的概念性探索；三是通过数据探索生成假说；四是一种基于实际数据集归类假说的测试方式。Sittler提出了目标点迹和航迹最优数据关联等概念。滤波算法起初没有应用于跟踪领域，1970年后才使用滤波算法进行目标跟踪，最经典的滤波算法是Kalman于1960年提出的线性滤波。

在科学技术高速发展的今天，安全是我们不能忽视的重要问题。可以利用毫米波雷达对过往车辆进行多目标跟踪和车辆轨迹预测，对危险的驾驶行为进行预警，从而有效减少交通事故的发生，保障交通安全。

使用雷达进行多目标跟踪是一项综合应用，整个跟踪流程需要大量的理论和算法支撑。使用雷达进行多目标跟踪的流程如图1-1所示。

图1-1　使用雷达进行多目标跟踪的流程

使用雷达进行多目标跟踪涉及雷达信号处理理论、雷达数据处理理论、聚类算法理论、数据关联算法理论、滤波算法理论。在高速公路交通场景中，存在一些相邻车辆，它们的回波信号具有相似性且相互遮挡，影响目标跟踪结果。本书基于交通场景中毫米波雷达采集到的相关数据，介绍毫米波雷达目标跟踪算法，详细介绍聚类算法、数据关联算法等。