【摘要】：伴隨著我國航運事業(yè)的迅速發(fā)展,船舶行駛的環(huán)境日益復(fù)雜,未來的跟蹤系統(tǒng)面臨著嚴(yán)峻的挑戰(zhàn)。多目標(biāo)跟蹤一直以來是眾多學(xué)者研究的重點和難點,其主要包括航跡關(guān)聯(lián)和跟蹤濾波兩個問題,一個好的跟蹤濾波算法能夠大大提高目標(biāo)跟蹤精度。相較于一般的濾波方法,粒子濾波具有較好的魯棒性,在解決非線性、非高斯問題上有其獨特的優(yōu)勢。本文主要討論和研究了多目標(biāo)跟蹤中的粒子濾波算法。本文首先分析了多目標(biāo)跟蹤及粒子濾波算法的基本概念和原理,同時對貝葉斯理論和蒙特卡洛積分進(jìn)行了相關(guān)的介紹。主要討論了多目標(biāo)跟蹤理論中的數(shù)據(jù)關(guān)聯(lián)和跟蹤濾波過程,并對常用的數(shù)據(jù)關(guān)聯(lián)方法和濾波方法進(jìn)行了分析比較,為后續(xù)工作做好理論基礎(chǔ)。其次,主要研究了序貫重要性重采樣粒子濾波算法和代價參考粒子濾波算法,并提出了一種高斯代價參考粒子濾波算法(Gauss Cost-reference Particle Filter,GCRPF)。該算法在代價參考粒子濾波的基礎(chǔ)上,用高斯分布取代重采樣過程,既保留了代價參考粒子濾波的優(yōu)點,同時也使得算法的復(fù)雜度大大降低,從而在一定程度上提高了算法的運行速度。最后進(jìn)行了仿真分析,結(jié)果表明改進(jìn)算法在保證濾波效果的前提下減小了計算量,縮短了運行時間。最后,主要研究了多目標(biāo)跟蹤中的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法,在傳統(tǒng)的MC-JPDA算法的基礎(chǔ)上,提出了一種基于代價參考粒子濾波的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法C Cost-reference Particle Filter-Joint Probabilistic Data Association,CRPF-JPDA),該算法無需得知系統(tǒng)的統(tǒng)計特性,通過引入不同代價的粒子來近似觀測與目標(biāo)之間的關(guān)聯(lián)概率,利用代價參考粒子濾波算法來對目標(biāo)狀態(tài)進(jìn)行預(yù)測及更新,從而實現(xiàn)多目標(biāo)跟蹤。最后進(jìn)行了仿真分析,結(jié)果表明CRPF-JPDA算法實現(xiàn)了系統(tǒng)統(tǒng)計特性未知情況下的多目標(biāo)跟蹤,提高了跟蹤精度。
【圖文】：

重采樣過程的基本思想是預(yù)先設(shè)定一個門限，當(dāng)符合條件的樣本數(shù)量小于門逡逑限值時，則對所有樣本進(jìn)行重采樣，對權(quán)值較小的進(jìn)行抑制舍棄，而對權(quán)值較大逡逑的樣本進(jìn)行保留復(fù)制，增加其在樣本中所占的比例，圖２．３為重采樣的示意圖。逡逑0000000000逡逑Ｍｌｌｎｔｉｌ逡逑？邐？邐？邐？邐？邋Ａ邋０邋？逡逑？邋？邋？邋？邋？邋？逡逑？邋？逡逑S緬�？辶x賢跡玻持夭裳疽饌煎義希疲椋紓玻沖澹桑歟歟酰螅簦潁幔簦椋錚鑠澹錚駑澹潁澹螅幔恚穡歟椋睿玨義賢賈械腦駁惚硎玖Ｗ櫻�，其大小代表粒子权重的大小。采样前，根据各鸽hＷ渝義嫌胝媸抵檔南嗨瞥潭齲騁圓煌娜ㄖ�，但无论重采样之前还是之后，粒讚砟数辶x夏慷際槍潭ǖ�，矒Q嵩黽踴蚣跎�。秳颞值较大的粒讬熏选择将茲。留或者用多个埩x狹Ｗ永創(chuàng)媯蘊四切┤ㄖ當(dāng)冉閑〉牧Ｗ�。经过重采样后，每鸽hＷ擁娜ㄖ靛義希保叮義

本文編號：2600177