本文關(guān)鍵詞： 多目標(biāo)跟蹤 強度濾波器 概率假設(shè)密度濾波器 擴展目標(biāo)　出處：《西安電子科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著多目標(biāo)跟蹤技術(shù)的發(fā)展,其在國防領(lǐng)域和民用領(lǐng)域的應(yīng)用也越來越廣泛。根據(jù)目標(biāo)產(chǎn)生量測個數(shù)的不同,目標(biāo)可以被建模為點目標(biāo)和擴展目標(biāo)。本文結(jié)合國家自然科學(xué)基金,主要研究強度濾波器及其特例-概率假設(shè)密度濾波器在多點目標(biāo)和多擴展目標(biāo)跟蹤領(lǐng)域中的應(yīng)用,取得的主要成果如下:1.針對被動多傳感器新生未知的情況提出一種基于強度濾波器(Intensity Filter,iFilter)的被動多傳感器目標(biāo)跟蹤算法,首先對連續(xù)時刻的數(shù)據(jù)進行關(guān)聯(lián),得到所有可能的新生目標(biāo),并利用量測篩選出真實的目標(biāo),完成對目標(biāo)狀態(tài)的修正,提高了算法適用范圍。2.針對標(biāo)號多目標(biāo)強度濾波器(Marked Multitarget Intensity Filter,MMIF)在多點目標(biāo)跟蹤的應(yīng)用,給出了其序列蒙特卡羅實現(xiàn)方法,驗證了該算法在多點目標(biāo)跟蹤中的可行性。3.針對擴展目標(biāo)新生未知問題,提出一種基于量測數(shù)估計的未知新生多擴展目標(biāo)跟蹤算法,計算每個可能的目標(biāo)對應(yīng)的量測數(shù),將對應(yīng)多個量測的目標(biāo)狀態(tài)視為真實的目標(biāo)狀態(tài)保留下來,擴大了擴展目標(biāo)的應(yīng)用范圍。4.針對多擴展目標(biāo)跟蹤中量測劃分帶來的計算量大的問題,提出一種基于迭代映射的多擴展目標(biāo)跟蹤算法,在不需要考慮擴展目標(biāo)形態(tài)的情況下,將擴展目標(biāo)轉(zhuǎn)化為點目標(biāo)進行處理,并在此算法的基礎(chǔ)上,針對直線運動新生未知的目標(biāo)提出了一種基于直線擬合的未知新生多擴展目標(biāo)跟蹤算法,提高了多擴展目標(biāo)的跟蹤效率。
[Abstract]:With the development of multi-target tracking technology, it is more and more widely used in the field of national defense and civil affairs. Goals can be modeled as point goals and extended goals. This paper mainly studies the application of intensity filter and its special cases-probability hypothetical density filter in the field of multi-point target and multi-extended target tracking. The main results are as follows: 1. A new intensity filter based on intensity Filter is proposed to deal with the unknown situation of passive multisensor. IFilter-based passive multi-sensor target tracking algorithm firstly correlates the data at continuous time to obtain all possible new targets and screen out the real targets by measuring. Complete the correction of the target state. The application range of the algorithm is improved. 2. For the labeled multi-target strength filter, the marked Multitarget Intensity Filter is improved. MMIF) is applied to multi-point target tracking, and its sequential Monte Carlo implementation method is presented, which verifies the feasibility of the algorithm in multi-point target tracking. 3. In this paper, an unknown new multi-extended target tracking algorithm based on the estimation of measurement numbers is proposed. The corresponding measurements of each possible target are calculated, and the target state corresponding to multiple measurements is preserved as the real target state. The application scope of extended target is expanded. 4. Aiming at the problem of large computation caused by measurement partition in multi-extended target tracking, a multi-extended target tracking algorithm based on iterative mapping is proposed. Without considering the shape of the extended target, the extended target is transformed into a point target for processing, and on the basis of this algorithm. In this paper, a new tracking algorithm based on line fitting for unknown targets with unknown linear motion is proposed, which improves the tracking efficiency of multi-extended targets.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN713;TP212.9

【相似文獻】

相關(guān)期刊論文 前10條

1 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國外電子測量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報;2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運動目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

5 陳愛華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

6 牛長鋒;劉玉樹;;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機蕨叢的長期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J];紅外與激光工程;2004年02期

相關(guān)會議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會第三屆年會論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無;王磊;李正東;;紅外/雷達雙傳感器融合目標(biāo)跟蹤算法[A];中國工程物理研究院科技年報（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（上冊）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進化的改進粒子濾波目標(biāo)跟蹤算法[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

10 張濤;費樹岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 胡子軍;基于隨機有限集的雷達多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 王保憲;復(fù)雜背景下的視頻目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2016年

3 張雷;復(fù)雜場景下實時目標(biāo)跟蹤算法及實現(xiàn)技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2016年

4 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2016年

5 田浩;基于核函數(shù)的目標(biāo)跟蹤算法研究[D];長安大學(xué);2016年

6 盧建國;基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

7 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

8 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

9 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

10 邱雪娜;基于視覺的運動目標(biāo)跟蹤算法及其在移動機器人中的應(yīng)用[D];華東理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運動目標(biāo)跟蹤算法研究與實現(xiàn)[D];陜西科技大學(xué);2015年

3 鐘寶康;基于壓縮感知的預(yù)測目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

4 薛桐;基于CamShift的運動目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

5 王增宇;基于稀疏表達的目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

6 王靜;結(jié)構(gòu)化的表觀模型及兩階段目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

7 葛凱蓉;自然場景下目標(biāo)跟蹤算法的研究[D];山東大學(xué);2015年

8 向偉;基于檢測的目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2015年

9 單順勇;結(jié)合多示例學(xué)習(xí)和模板匹配的目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

10 張碧武;基于單目視覺的目標(biāo)跟蹤算法的研究與實現(xiàn)[D];電子科技大學(xué);2015年

，

本文編號：1484801