【摘要】：多目標(biāo)跟蹤技術(shù)作為多傳感器信息融合領(lǐng)域的研究熱點之一,不管是在軍事還是民用領(lǐng)域上都有著廣泛的應(yīng)用。傳統(tǒng)的多目標(biāo)跟蹤方法主要在經(jīng)典概率論的基礎(chǔ)上去解決多目標(biāo)數(shù)據(jù)關(guān)聯(lián)問題,但在對多目標(biāo)的跟蹤過程中易受目標(biāo)個數(shù)未知、雜波密集、檢測率低等復(fù)雜環(huán)境因素的影響,導(dǎo)致數(shù)據(jù)關(guān)聯(lián)效果不佳和對目標(biāo)跟蹤精度下降。近年來,概率假設(shè)密度(Probability Hypothesis Density,PHD)估計方法為多目標(biāo)跟蹤問題提供了新的解決思路:該方法利用隨機有限集理論,將目標(biāo)的狀態(tài)集和傳感器量測集均統(tǒng)一描述于同一個概率假設(shè)密度空間中,有效的避免了傳統(tǒng)目標(biāo)跟蹤算法中的數(shù)據(jù)關(guān)聯(lián)問題。盡管如此,目前多傳感器PHD多目標(biāo)跟蹤技術(shù)還欠成熟。一方面,基于隨機有限集的多目標(biāo)跟蹤方法大多是單傳感器概率假設(shè)密度濾波方法,在較復(fù)雜環(huán)境下很難做到僅依靠單部傳感器維持對多目標(biāo)穩(wěn)定且準(zhǔn)確的估計,此時通常需融合來自多部傳感器的量測信息以達(dá)到相應(yīng)的跟蹤要求;另一方面,目前大多數(shù)基于PHD估計的多傳感器融合跟蹤方法大多建立在多部傳感器數(shù)據(jù)同步的假設(shè)基礎(chǔ)之上,較缺乏處理異步多傳感器融合跟蹤問題的方法。針對以上問題,本文開展了基于概率假設(shè)密度估計的多傳感器多目標(biāo)跟蹤方法研究,具體的內(nèi)容如下:首先,綜述了基于概率假設(shè)密度估計的多傳感器多目標(biāo)跟蹤相關(guān)重要理論,包括多傳感器多目標(biāo)跟蹤的基本理論,主要包括目標(biāo)跟蹤的系統(tǒng)模型、概率假設(shè)密度估計原理、數(shù)據(jù)融合和異步采樣的多傳感器時間配準(zhǔn)方法。其次,針對密集雜波環(huán)境和低檢測率下的單傳感器PHD濾波器出現(xiàn)的跟蹤效果受限問題,通過構(gòu)建多傳感器多級式融合結(jié)構(gòu)框架,提出了一種多目標(biāo)關(guān)聯(lián)算法和改進(jìn)的凸組合融合算法,并結(jié)合GM-PHD濾波方法,提出了多傳感器多級式融合多目標(biāo)跟蹤算法,仿真實驗驗證了所提算法的有效性。最后,針對雜波環(huán)境下的異步采樣傳感器較難對多目標(biāo)維持高質(zhì)量跟蹤的問題,通過構(gòu)建兩種適用于多目標(biāo)跟蹤的多傳感器異步檢測跟蹤框架,提出基于傳感器原始量測的時間同步模型和基于GM-PHD估計的時間配準(zhǔn)方法,進(jìn)一步提出了TSBF算法和FBTS算法,仿真實驗驗證所提算法的有效性。
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP212;TN713
【圖文】：

第 2 章多傳感器多目標(biāo)跟蹤理論基礎(chǔ)言隨機有限集的概率假設(shè)密度估計器通過對多目標(biāo)跟蹤中新雜波和傳感器的探測與漏檢等現(xiàn)象進(jìn)行數(shù)學(xué)描述，濾波后，為多傳感器的數(shù)據(jù)融合提供了方便，也為傳感器間的配節(jié)就論文的研究方向介紹了目標(biāo)跟蹤基本理論、概率密度器數(shù)據(jù)融合原理和異步時間配準(zhǔn)方法的基本知識，為本文了理論基礎(chǔ)。標(biāo)跟蹤基本理論跟蹤技術(shù)主要是指利用傳感器接收到的原始量測信息來估計過程，其基本原理如下圖 2.1 所示。

1S2S3SmS圖 3.1 多傳感器多級式融合結(jié)構(gòu)其中， S .1, S .2, , S .m為傳感器設(shè)備，F(xiàn)C(Fusion Center)和 LFC(Local FusionCenter)分別為融合中心與局部融合中心。首先兩個傳感器單獨進(jìn)行高斯混合PHD 濾波，濾波后得到的后驗估計先在局部融合中心進(jìn)行一級融合，經(jīng)一級融合后得到的一級局部后驗估計，再與第三個傳感器濾波得到的后驗估計在局部融合中心進(jìn)行二級融合，得到二級局部后驗估計，然后再與第四個傳感器的后驗估計在局部融合中心進(jìn)行三級融合，直至所有的傳感器都融合完畢，得到全局后驗估計。上圖為多傳感器多級融合結(jié)構(gòu)，其中兩傳感器或傳感器與局部融合結(jié)果之間的融合的詳細(xì)流程如圖 3.2 所示。

杭州電子科技大學(xué)碩士學(xué)位論器 j +1的采樣起點為+1jkt ，則有 111 , 1,j jk kj jk kt t tk T t t kT j 傳輸延遲，則在一個完整的融合周期。1k1z 2k1z 3k1z 1kz2kz3kzk1T kT

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊峰;王永齊;梁彥;潘泉;;基于概率假設(shè)密度濾波方法的多目標(biāo)跟蹤技術(shù)綜述[J];自動化學(xué)報;2013年11期

2 徐洋;徐暉;羅少華;安瑋;;基于隨機有限集理論的多傳感器目標(biāo)聯(lián)合檢測跟蹤算法[J];國防科技大學(xué)學(xué)報;2013年01期

3 王曉;韓崇昭;連峰;;基于隨機有限集的目標(biāo)跟蹤方法研究及最新進(jìn)展[J];工程數(shù)學(xué)學(xué)報;2012年04期

4 連峰;韓崇昭;劉偉峰;元向輝;;高斯混合擴展目標(biāo)概率假設(shè)密度濾波器的收斂性分析[J];自動化學(xué)報;2012年08期

5 曹磊;洪留榮;;基于多傳感器的目標(biāo)軌跡融合算法[J];淮南師范學(xué)院學(xué)報;2012年03期

6 呂學(xué)斌;周群彪;陳正茂;熊運余;蔡葵;;高斯混合概率假設(shè)密度濾波器在多目標(biāo)跟蹤中的應(yīng)用[J];計算機學(xué)報;2012年02期

7 彭冬亮;史英杰;;兩種改進(jìn)的m-最優(yōu)多假設(shè)跟蹤(MHT)算法[J];火力與指揮控制;2011年05期

8 占榮輝;張軍;;特征輔助數(shù)據(jù)關(guān)聯(lián)研究綜述[J];系統(tǒng)工程與電子技術(shù);2011年01期

9 劉偉峰;文成林;;隨機集多目標(biāo)跟蹤性能評價指標(biāo)比較與分析[J];光電工程;2010年09期

10 管旭軍;芮國勝;周旭;張玉玲;;基于S-D分配的集中式多傳感器不敏濾波算法[J];電子科技大學(xué)學(xué)報;2010年04期

相關(guān)會議論文 前2條

1 張英杰;古強;余誠剛;王偉;李秉國;;基于PHD濾波的多傳感器多目標(biāo)跟蹤融合算法[A];2015航空試驗測試技術(shù)學(xué)術(shù)交流會論文集[C];2015年

2 文成林;葛泉波;;異步多傳感器系統(tǒng)的分步式預(yù)測融合[A];2005年中國智能自動化會議論文集[C];2005年

相關(guān)碩士學(xué)位論文 前2條

1 龍建乾;基于FISST理論的多目標(biāo)跟蹤技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

2 史英杰;多機動目標(biāo)跟蹤算法與仿真平臺開發(fā)[D];杭州電子科技大學(xué);2010年

本文編號：2760246