本文選題：多目標(biāo)跟蹤 + 傳感器控制�。� 參考：《蘭州理工大學(xué)》2017年碩士論文

【摘要】：隨著科學(xué)技術(shù)的快速發(fā)展,大量高性能的傳感器和各種先進(jìn)的信息處理技術(shù)不斷得到應(yīng)用,使得深層次的傳感器控制成為可能。同時(shí),由于現(xiàn)代戰(zhàn)爭(zhēng)的迫切需求,以及多源信息融合系統(tǒng)日益增強(qiáng)的復(fù)雜性,各類目標(biāo)跟蹤系統(tǒng)都對(duì)傳感器控制提出了更高的要求,與其相關(guān)的理論和方法均面臨著更加嚴(yán)峻的挑戰(zhàn)。因此,對(duì)于傳感器控制策略的研究具有重大的理論價(jià)值和現(xiàn)實(shí)意義�；陔S機(jī)有限集(Random finite set,RFS)的多目標(biāo)跟蹤方法因其可以避免傳統(tǒng)多目標(biāo)跟蹤方法中的數(shù)據(jù)關(guān)聯(lián)而被人們廣泛關(guān)注。概率假設(shè)密度(Probability hypothesis density,PHD)濾波器是其中最具代表性的近似多目標(biāo)濾波器。本文正是在基于RFS的理論體系下,對(duì)多目標(biāo)跟蹤中的傳感器控制方法進(jìn)行了深入研究,主要的研究?jī)?nèi)容如下:1)針對(duì)多目標(biāo)跟蹤中的傳感器控制問(wèn)題,在部分可觀測(cè)馬爾可夫決策過(guò)程(Partially observable Markov decision processes,POMDPs)的理論框架下,首先,基于RFS建模給出基于信息論的傳感器控制的一般方法,其次,依據(jù)PHD濾波器和勢(shì)概率假設(shè)密度(Cardinalized PHD,CPHD)濾波器的統(tǒng)計(jì)假設(shè)條件去推導(dǎo)柯西施瓦茲(Cauchy-Schwarz,CS)距離的表達(dá)式,研究利用CS距離作為傳感器控制的評(píng)價(jià)函數(shù),進(jìn)而求取多目標(biāo)濾波器遞推過(guò)程中的信息增益。2)結(jié)合多目標(biāo)跟蹤問(wèn)題給出序貫蒙特卡羅概率假設(shè)密度(Sequential Monte Carlo Probability hypothesis density,SMC-PHD)濾波器的實(shí)現(xiàn)形式,利用加權(quán)粒子去表征多目標(biāo)的一階統(tǒng)計(jì)矩,同時(shí)采用啟發(fā)式方法選取傳感器控制方案的集合,基于前述所推導(dǎo)的以多目標(biāo)統(tǒng)計(jì)矩(PHD)表示的多目標(biāo)CS距離,求解出傳感器控制集合中不同決策方案信息增益的具體數(shù)值,繼而以信息增益最大化為評(píng)價(jià)準(zhǔn)則去決策最終的傳感器控制方案。仿真結(jié)果表明,基于CS距離的傳感器控制算法能夠根據(jù)當(dāng)前的濾波結(jié)果不斷地調(diào)節(jié)傳感器自身的位置,進(jìn)而完成使得全局目標(biāo)跟蹤性能最優(yōu)這一目標(biāo),所提控制方案的多目標(biāo)跟蹤效果要優(yōu)于其他幾種控制方案。3)研究了基于目標(biāo)威脅度的傳感器控制方法。對(duì)戰(zhàn)場(chǎng)環(huán)境中影響目標(biāo)威脅度的因素進(jìn)行深入分析,利用戰(zhàn)術(shù)重要性標(biāo)繪(Tactical Significance Map,TSM)函數(shù)量化目標(biāo)距離、航向、速度對(duì)目標(biāo)威脅度的影響。同時(shí)利用TSM函數(shù)值確定不同時(shí)刻最大威脅度的目標(biāo),并以最大威脅度目標(biāo)在遞推濾波過(guò)程中的CS距離作為評(píng)價(jià)函數(shù),以最大威脅目標(biāo)的信息增量最大化為準(zhǔn)則,實(shí)現(xiàn)基于目標(biāo)威脅度的傳感器控制。仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性。
[Abstract]:With the rapid development of science and technology , a great deal of high - performance sensors and various advanced information processing techniques have been applied continuously , so that deep - level sensor control becomes possible . A sensor control algorithm based on CS distance can continuously adjust the position of the sensor itself according to the current filtering result , so that the global target tracking performance is optimal , and the multi - target tracking effect of the proposed control scheme is better than that of other control schemes .
【學(xué)位授予單位】：蘭州理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP212;TN713

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳輝;韓崇昭;;機(jī)動(dòng)多目標(biāo)跟蹤中的傳感器控制策略的研究[J];自動(dòng)化學(xué)報(bào);2016年04期

2 陳輝;韓崇昭;;Rao-Blackwellized粒子勢(shì)均衡多目標(biāo)多伯努利濾波器[J];控制理論與應(yīng)用;2016年02期

3 陳輝;韓崇昭;;CBMeMBer濾波器序貫蒙特卡羅實(shí)現(xiàn)新方法的研究[J];自動(dòng)化學(xué)報(bào);2016年01期

4 陳輝;韓崇昭;;純方位距離參數(shù)化概率假設(shè)密度和勢(shì)概率假設(shè)密度濾波器[J];控制理論與應(yīng)用;2015年05期

5 陳輝;韓崇昭;;多距離假設(shè)純方位伯努利濾波器的設(shè)計(jì)[J];控制與決策;2015年07期

6 崔博鑫;許蘊(yùn)山;夏海寶;肖冰松;;基于任務(wù)控制的動(dòng)態(tài)多傳感器管理方案[J];系統(tǒng)工程與電子技術(shù);2012年12期

7 周承興;劉貴喜;侯連勇;鐘興質(zhì);;改進(jìn)的高斯粒子概率假設(shè)密度濾波算法[J];控制理論與應(yīng)用;2011年07期

8 羅開平;姜維;李一軍;;傳感器管理述評(píng)[J];電子學(xué)報(bào);2010年08期

9 劉先省,李聲威,潘泉,張洪才;基于概率統(tǒng)計(jì)模型的一類傳感器管理方法[J];控制理論與應(yīng)用;2001年05期

10 鞠傳文,楊秀珍,王錫仁,汪浩生;多傳感器管理系統(tǒng)中的多目標(biāo)排序[J];電光與控制;2001年03期

相關(guān)博士學(xué)位論文 前1條

1 劉先省;傳感器管理方法研究[D];西北工業(yè)大學(xué);2000年

，

本文編號(hào)：1972729