【摘要】：多模型機(jī)動目標(biāo)跟蹤技術(shù)是一種先進(jìn)的目標(biāo)跟蹤算法。由于目標(biāo)類型越來越多、運(yùn)動環(huán)境越來越復(fù)雜,僅使用位置量測進(jìn)行目標(biāo)跟蹤變得越來越難以滿足應(yīng)用要求。除位置量測之外,引入目標(biāo)和環(huán)境相關(guān)的知識,對多模型算法中的模型集、轉(zhuǎn)移概率矩陣和模型概率這3個關(guān)鍵因素進(jìn)行自適應(yīng)調(diào)整,可以有效提高機(jī)動目標(biāo)跟蹤性能。本文對知識輔助多模型機(jī)動目標(biāo)跟蹤算法的原理和方法等進(jìn)行了分析。按照知識作用的對象(模型集、轉(zhuǎn)移概率矩陣和模型概率)和作用方式(智能法和非智能法)分別介紹了該類算法的原理及其特點(diǎn),最后對該類算法下一步的研究方向和發(fā)展趨勢進(jìn)行了展望。
[Abstract]:Multi-model maneuvering target tracking is an advanced target tracking algorithm. Because the target type is more and more complex, the moving environment is more and more complex, and only the position measurement is used to make the target tracking more difficult to meet the application requirements. In addition to the position measurement, the target and environment-related knowledge is introduced, and the three key factors of the model set, the transition probability matrix and the model probability in the multi-model algorithm are adaptively adjusted, and the tracking performance of the maneuvering target can be effectively improved. In this paper, the principle and method of multi-model maneuvering target tracking algorithm for knowledge-assisted multi-model are analyzed. In this paper, the principle and characteristic of this kind of algorithm are introduced respectively according to the object of knowledge (model set, transfer probability matrix and model probability) and action mode (intelligent method and non-intelligent method). Finally, the research direction and development trend of the next step of this kind of algorithm are predicted.
【作者單位】： 深圳大學(xué)信息工程學(xué)院;工業(yè)和信息化部電子第五研究所;
【基金】：廣東省科技計劃(2016B090918084)資助項目 深圳市科技計劃(JCYJ2017030215011535)資助項目
【分類號】：TN713;TP301.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李樹軍;李開端;;基于自適應(yīng)α-β濾波的目標(biāo)跟蹤算法研究[J];科學(xué)技術(shù)與工程;2012年34期

2 袁佳;尹小杰;柯芳;吳斌;樊鍵;程川;;一種用于復(fù)合軸系統(tǒng)的機(jī)動目標(biāo)跟蹤算法[J];彈箭與制導(dǎo)學(xué)報;2014年02期

3 侯志松;張凱;;非均勻雜波環(huán)境中基于粒子濾波的無參目標(biāo)跟蹤算法[J];火力與指揮控制;2014年06期

4 姬存慧;吳盤龍;彭帥;王寶寶;;去偏轉(zhuǎn)換量測IMM機(jī)動目標(biāo)跟蹤算法的硬件實(shí)現(xiàn)[J];電光與控制;2013年04期

5 孟軍英;劉教民;韓明;王娟;;基于粒子濾波架構(gòu)的實(shí)時目標(biāo)跟蹤算法研究[J];河北工業(yè)大學(xué)學(xué)報;2013年04期

6 劉玉磊;馮新喜;;基于CKF被動多傳感器目標(biāo)跟蹤算法[J];計算機(jī)仿真;2013年08期

7 王學(xué)偉,何友;艦載紅外警戒系統(tǒng)多目標(biāo)跟蹤算法研究[J];火力與指揮控制;1999年01期

8 鞠園;鹿樂;蔡亮;劉磊;王星;;基于隨機(jī)有限集的多目標(biāo)跟蹤算法[J];火力與指揮控制;2014年S1期

9 潘平俊;馮新喜;李鋒;石磊;李鴻艷;;基于轉(zhuǎn)換瑞利濾波器的紅外目標(biāo)跟蹤算法[J];紅外技術(shù);2008年06期

10 章飛;周杏鵬;陳小惠;;基于衰減記憶濾波的平方根UKF被動目標(biāo)跟蹤算法[J];測控技術(shù);2010年04期

相關(guān)會議論文 前1條

1 趙淵;管慶;徐勝;;目標(biāo)跟蹤算法在DM6437上的實(shí)現(xiàn)和優(yōu)化[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 秦永;基于隨機(jī)有限集的目標(biāo)跟蹤算法研究[D];華中科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王佩思;基于粒子濾波的目標(biāo)跟蹤算法研究[D];南京郵電大學(xué);2015年

2 代標(biāo);基于強(qiáng)度濾波器的多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

3 陳慶;基于核相關(guān)濾波器的實(shí)時單目標(biāo)跟蹤算法研究[D];安徽大學(xué);2017年

4 馮帆;復(fù)雜度可分級的目標(biāo)跟蹤算法研究[D];華中科技大學(xué);2013年

5 王冉;基于粒子濾波的目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2014年

6 毛鑫萍;基于粒子濾波的目標(biāo)跟蹤算法研究[D];浙江工業(yè)大學(xué);2013年

7 龔小彪;基于TLD框架的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2014年

8 趙清華;基于FPGA的目標(biāo)跟蹤算法的設(shè)計與實(shí)現(xiàn)[D];中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2014年

9 周健;基于概率假設(shè)密度的多目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2013年

10 趙慧;多傳感器信息融合目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2014年

，

本文編號：2523264