Target tracking algorithms adopted in modern radars are designed such that they can track multitarget by considering target births and target deaths. These algorithms are derived by integrating the data association techniques into the single target filters. Recently, target tracking methods exploiting random finite sets have been emerged as an alternative to the data association techniques. Unlike data association methods, random finite set based techniques do not perform tracking based on the targets but instead propagate a target intensity function covering the entire state space in time and thereby decrease the dimension of the state space. In this thesis, firstly on a linear scenario we investigate the effects of receiver characteristics and variation of target intensity on the performance of PHD filter that is a random finite set based filter. The parameters we consider for receiver characteristics are detection probability and false alarm intensity; for variation of target intensity we investigate the effect of target birth and death probabilities. We also provide a linear regression model representing effects of these parameters. As a tracking performance metric we use OSPA distance. At each step, we compare our results with a data association method, global nearest neighbor technique, in order to identify the advantages and disadvantages of the both of the methods. Secondly we investigate the effect of the nonlinear models on both of the methods. By fixing the parameters to the values that results in equal average OSPA distances of both techniques in the linear case, we include nonlinear models in order to identify which technique is effected by nonlinearity more.

Modern radarlarda kullanılan hedef takip algoritmaları, hedef doğum ve ölümlerini dikkate alarak birden çok hedefi aynı anda takip edebilecek şekilde dizayn edilmektedir. Bu algoritmalar, tek hedef takibi için kullanılan filtrelere veri ilişkilendirme tekniklerinin entegre edilmesiyle geliştirilmiştir. Son dönemde ise veri ilişkilendirme temelli metodlara alternatif olarak rassal sonlu kümeleri kullanan hedef takip algoritmaları ortaya çıkmıştır. Veri ilişkilendirme tekniklerinden farklı olarak, rassal sonlu küme temelli teknikleri hedeflere dayalı bir takip gerçekleştirmezler, onun yerine bütün durum uzayını örten bir hedef yoğunluk fonksiyonunu zaman içerisinde yayarlar ve bu şekilde durum uzayının boyutunu azaltırlar. Bu tezde, öncelikle lineer bir senaryo üzerinde alıcı özellikleri ve hedef yoğunluğundaki değişimin bir rassal sonlu küme temelli teknik olan OHY Filtresinin performansı üzerindeki etkisini araştırıyoruz. Alıcı özelliği parametreleri olarak tespit olasılığı ve parazit oranını; hedef yoğunluğundaki değişim için ise hedef doğum ve ölüm olasılıklarını kullanıyoruz. Bu parametrelerin etkilerini açıklayan bir lineer regresyon modeli de sunuyoruz. Performans ölçütü olarak ise OSPA mesafesini kullanıyoruz. Her bir adımda sonuçlarımızı bir veri ilişkilendirme tekniği ile, en yakın global komşu tekniği ile, her iki tekniğin avantaj ve dezavantajlarını belirlemek için kıyaslıyoruz. İkinci olarak ise lineer olmayan modellerin her iki teknik üzerindeki etkisini araştırıyoruz. Lineer durumdaki ortalama OSPA mesafesini her iki teknik için eşit yapan değerlere sabitleyerek, hangi tekniğin lineer olmayan modellerden daha çok etkilendiğini belirlemek maksadıyla modele nonlineerliği ilave ediyoruz.