發(fā)布時(shí)間：2018-02-10 22:54

  本文關(guān)鍵詞： 機(jī)動(dòng)目標(biāo)跟蹤 交互式多模型 快速數(shù)據(jù)關(guān)聯(lián) 擴(kuò)大關(guān)聯(lián)門 自適應(yīng)采樣周期　出處：《太原理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：機(jī)動(dòng)目標(biāo)跟蹤技術(shù)作為近幾十年來研究的熱點(diǎn),其在軍事和民用領(lǐng)域的作用發(fā)揮也是越來越大。在機(jī)動(dòng)目標(biāo)跟蹤技術(shù)發(fā)展歷程中,一方面,各種新的運(yùn)動(dòng)模型、濾波算法及數(shù)據(jù)關(guān)聯(lián)算法相繼被提出,大大提高了算法跟蹤性能,另一方面,隨著各類目標(biāo)機(jī)動(dòng)性能的提高,對目標(biāo)跟蹤系統(tǒng)的要求也是越來越苛刻。因此,對于機(jī)動(dòng)目標(biāo)跟蹤算法的研究無論在理論研究上還是在實(shí)際應(yīng)用中都有非常重要的意義。本文首先介紹了目標(biāo)跟蹤的組成要素、基本原理以及目標(biāo)跟蹤領(lǐng)域里的一些典型的數(shù)學(xué)模型,主要包括CV模型、CA模型、Singer模型、“當(dāng)前”統(tǒng)計(jì)模型、CT模型等,并歸納總結(jié)了各個(gè)模型的應(yīng)用特點(diǎn)。其次介紹了目標(biāo)跟蹤中的濾波算法,重點(diǎn)研究了卡爾曼濾波(KF)、擴(kuò)展卡爾曼濾波(EKF)、不敏卡爾曼濾波(UKF),并通過仿真實(shí)驗(yàn)比較了三種算法的濾波效果。然后,針對目標(biāo)跟蹤過程中的數(shù)據(jù)關(guān)聯(lián)問題,研究了最近鄰數(shù)據(jù)關(guān)聯(lián)(NN)、概率數(shù)據(jù)關(guān)聯(lián)(PDA)和聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)。其中,基于貝葉斯理論的JPDA算法被公認(rèn)為多目標(biāo)數(shù)據(jù)關(guān)聯(lián)的經(jīng)典算法,理論上已解決了數(shù)據(jù)關(guān)聯(lián)問題,但是由于算法在計(jì)算關(guān)聯(lián)概率時(shí),需要對所有可能的目標(biāo)關(guān)聯(lián)解進(jìn)行搜索,搜索過程運(yùn)算量的指數(shù)增長效應(yīng),會導(dǎo)致算法計(jì)算量過大,實(shí)時(shí)性難以滿足,為此本文使用快速數(shù)據(jù)關(guān)聯(lián)(FDA)算法來解決計(jì)算負(fù)荷過大問題。作為本文的重點(diǎn)研究內(nèi)容,文中較為詳盡的分析了交互式多模型(IMM)算法的基本原理,針對雜波環(huán)境中多機(jī)動(dòng)目標(biāo)跟蹤問題,將IMM與FDA算法進(jìn)行結(jié)合,解決目標(biāo)量測點(diǎn)跡和目標(biāo)運(yùn)動(dòng)狀態(tài)的不確定性問題。針對跟蹤過程中的目標(biāo)失跟問題,將擴(kuò)大關(guān)聯(lián)門應(yīng)用到此算法中,當(dāng)目標(biāo)發(fā)生機(jī)動(dòng),關(guān)聯(lián)門內(nèi)檢測不到有效量測時(shí),通過逐步擴(kuò)大關(guān)聯(lián)門的方式,重新搜索有效量測,降低機(jī)動(dòng)目標(biāo)跟蹤丟失率。同時(shí),為了盡可能地減小新算法的運(yùn)算量,運(yùn)用預(yù)先定義采樣間隔法自適應(yīng)調(diào)整跟蹤采樣周期,以此平衡目標(biāo)跟蹤精度與跟蹤系統(tǒng)負(fù)載。
[Abstract]:As a hot topic in recent decades, maneuvering target tracking technology is playing a more and more important role in military and civilian fields. In the development of maneuvering target tracking technology, on the one hand, there are various new motion models. Filtering algorithms and data association algorithms have been proposed one after another, greatly improving the performance of the algorithm. On the other hand, with the improvement of maneuverability of various targets, the requirements of target tracking system are becoming more and more stringent. The research of maneuvering target tracking algorithm is of great significance in both theoretical research and practical application. This paper first introduces the constituent elements of target tracking. Basic principles and some typical mathematical models in the field of target tracking, including CV model, CA model, Singer model, "current" statistical model and CT model, etc. The application characteristics of each model are summarized. Secondly, the filtering algorithm in target tracking is introduced. This paper focuses on the study of Kalman filter, extended Kalman filter, unsensitive Kalman filter and UKF, and compares the filtering effects of the three algorithms through simulation experiments. Then, aiming at the data association problem in the process of target tracking, In this paper, the nearest neighbor data association, probabilistic data association (PDAA) and joint probabilistic data association (JPDA) are studied. The Bayesian theory based JPDA algorithm is recognized as the classical algorithm for multi-objective data association, and the problem of data association has been solved theoretically. However, when calculating the association probability, the algorithm needs to search all possible target association solutions, and the exponential growth effect of the search process will lead to too much computation and the real-time performance of the algorithm is difficult to satisfy. In this paper, the fast data association algorithm is used to solve the problem of large computational load. As the focus of this paper, the basic principle of the interactive multi-model IMM algorithm is analyzed in detail. In order to solve the problem of multi-maneuvering target tracking in clutter environment, the IMM and FDA algorithms are combined to solve the uncertainty problems of the tracking points and the moving state of the target. The extended correlation gate is applied to this algorithm. When the target is maneuvering and the effective measurement is not detected in the correlation gate, the tracking loss rate of the maneuvering target can be reduced by re-searching the effective measurement by expanding the correlation gate step by step. In order to minimize the computational complexity of the new algorithm, the predefined sampling interval method is used to adjust the tracking cycle adaptively to balance the target tracking accuracy with the tracking system load.
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN713

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 寧倩慧;張艷兵;劉莉;陸真;郭冰陶;;擴(kuò)展卡爾曼濾波的目標(biāo)跟蹤優(yōu)化算法[J];探測與控制學(xué)報(bào);2016年01期

2 程婷;何子述;李亞星;;一種具有自適應(yīng)關(guān)聯(lián)門的雜波中機(jī)動(dòng)目標(biāo)跟蹤算法[J];電子與信息學(xué)報(bào);2012年04期

3 郭輝;姬紅兵;武斌;;采用擬蒙特卡羅法的被動(dòng)多傳感器目標(biāo)跟蹤[J];西安電子科技大學(xué)學(xué)報(bào);2010年06期

4 張全都;程詠梅;梁彥;潘泉;;模糊自適應(yīng)PMHT機(jī)動(dòng)目標(biāo)跟蹤算法[J];火力與指揮控制;2008年12期

5 張苗輝;王素真;劉先省;;基于自適應(yīng)采樣速率交互式概率數(shù)據(jù)關(guān)聯(lián)的機(jī)動(dòng)目標(biāo)跟蹤算法[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

6 劉建書;李人厚;張貞耀;劉云龍;;交互式多模型算法的模型集設(shè)計(jì)[J];控制與決策;2007年03期

7 李輝;沈瑩;張安;程t$;;交互式多模型目標(biāo)跟蹤的研究現(xiàn)狀及發(fā)展趨勢[J];火力與指揮控制;2006年11期

8 袁剛才;吳永強(qiáng);;密集雜波環(huán)境下的快速數(shù)據(jù)關(guān)聯(lián)算法[J];系統(tǒng)仿真學(xué)報(bào);2006年03期

9 陳康,嵇成新,顏仲新;雷達(dá)跟蹤機(jī)動(dòng)目標(biāo)的多模型算法研究[J];艦船科學(xué)技術(shù);2004年01期

10 趙艷麗,劉劍,羅鵬飛;自適應(yīng)轉(zhuǎn)彎模型的機(jī)動(dòng)目標(biāo)跟蹤算法[J];現(xiàn)代雷達(dá);2003年11期

相關(guān)博士學(xué)位論文 前2條

1 徐佳鶴;基于UKF的濾波算法設(shè)計(jì)分析與應(yīng)用[D];東北大學(xué);2008年

2 楊秀華;預(yù)測濾波技術(shù)在光電目標(biāo)跟蹤中的應(yīng)用研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2004年

相關(guān)碩士學(xué)位論文 前5條

1 王黎明;基于VTS雷達(dá)目標(biāo)的IMM算法研究與實(shí)現(xiàn)[D];大連海事大學(xué);2013年

2 樊友友;高速高機(jī)動(dòng)目標(biāo)跟蹤算法及應(yīng)用研究[D];西安電子科技大學(xué);2013年

3 楊艷成;基于交互式多模型的機(jī)動(dòng)目標(biāo)跟蹤算法研究[D];哈爾濱工程大學(xué);2012年

4 曾斯;多機(jī)動(dòng)目標(biāo)跟蹤中數(shù)據(jù)關(guān)聯(lián)算法的研究[D];電子科技大學(xué);2011年

5 江寶安;基于UKF濾波的單目標(biāo)跟蹤算法研究[D];國防科學(xué)技術(shù)大學(xué);2003年

，

本文編號：1501638