【摘要】：近年來(lái),越來(lái)越多專家投身于基于隨機(jī)有限集(Random Finit Set,RFS)的多目標(biāo)跟蹤技術(shù)的研究中,多目標(biāo)跟蹤也被應(yīng)用于軍事和應(yīng)用等領(lǐng)域。但是目標(biāo)的跟蹤環(huán)境隨著科學(xué)技術(shù)的不斷發(fā)展而變得日益復(fù)雜,為了適應(yīng)這樣的跟蹤環(huán)境,各種多目標(biāo)的應(yīng)用系統(tǒng)對(duì)多目標(biāo)跟蹤的精度和性能等方面也提出了更高的要求,這對(duì)于原有的目標(biāo)跟蹤理論和方法來(lái)說(shuō)是一個(gè)更大的挑戰(zhàn)。所以,對(duì)多目標(biāo)跟蹤技術(shù)進(jìn)行更深入的研究顯的意義重大。在多目標(biāo)跟蹤過(guò)程中,多目標(biāo)跟蹤算法的性能和跟蹤精度會(huì)受到很多因素的影響,比如量測(cè)的不確定性和目標(biāo)的不確定性,其中,假定某些模型參數(shù)是先驗(yàn)已知的,但在實(shí)際跟蹤環(huán)境中這些參數(shù)的真實(shí)取值與假設(shè)值并不吻合,這樣就會(huì)導(dǎo)致目標(biāo)的誤跟或失跟。因此本文對(duì)基于自適應(yīng)的多目標(biāo)跟蹤算法做了簡(jiǎn)單的綜述,介紹了未知雜波、未知檢測(cè)概率、未知新生目標(biāo)強(qiáng)度、未知目標(biāo)信噪比的帶勢(shì)概率假設(shè)密度(Cardinality Probability Hypothesis Density,CPHD)濾波器的濾波算法。其中如何在跟蹤目標(biāo)的過(guò)程中自適應(yīng)的估計(jì)目標(biāo)的檢測(cè)概率、雜波數(shù)目和其空間分布是提高多目標(biāo)跟蹤算法性能的重要課題。在Mahler提出了能夠自適應(yīng)得到雜波率的CPHD濾波器和能夠自適應(yīng)得出目標(biāo)檢測(cè)概率的CPHD濾波器的基礎(chǔ)上。針對(duì)未知雜波的CPHD濾波器和未知目標(biāo)檢測(cè)概率的CPHD都含有多個(gè)雜的積分項(xiàng)不能得到閉合的解析解的問(wèn)題,本文中采用了高斯混合的實(shí)現(xiàn)方式給出這些濾波遞復(fù)歸的封閉形式。詳細(xì)介紹了這兩種濾波器高斯混合實(shí)現(xiàn)的濾波過(guò)程和代碼編寫(xiě)過(guò)程,并在第三章和第四章的最后給出Matlab仿真實(shí)驗(yàn)。
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN713
【圖文】：

長(zhǎng)安大學(xué)碩士學(xué)位論文e,K.C.Chang，X.R.Li 等學(xué)者在 90 年代對(duì)概率多假設(shè)跟蹤、隨機(jī)有限集理互多模型和分布式融合進(jìn)行了研究。直至 21 世紀(jì)，隨機(jī)有限集理論得到關(guān)注，Mahler 針對(duì)其進(jìn)行了深入研究，使得隨機(jī)集理論在多目標(biāo)跟蹤技術(shù)的運(yùn)用，成為近年來(lái)的一個(gè)研究熱點(diǎn)，并且取得出許多研究成果。ckman 的《多目標(biāo)跟蹤及其在雷達(dá)中的應(yīng)用》[26]；Y.Bar-Shalom 和 X.R.L多目標(biāo)跟蹤原理與技術(shù)》[27]；A.Farina,F.A.Studer 的《雷達(dá)數(shù)據(jù)處理》[28目標(biāo)跟蹤[29]就是使用傳感器等工具獲得各種觀測(cè)數(shù)據(jù)，然后用各種不同的這些數(shù)據(jù)，以達(dá)到可以實(shí)時(shí)地檢測(cè)到目標(biāo)，并對(duì)多個(gè)目標(biāo)的狀態(tài)進(jìn)行持續(xù)目的。也就是在時(shí)域和空域上把傳感器檢測(cè)到的數(shù)據(jù)和目標(biāo)的狀態(tài)估計(jì)信息融合[30]系統(tǒng)中目標(biāo)跟蹤是很重要的一個(gè)步驟，如圖 1.1 所示是目標(biāo)構(gòu)圖，其中，目標(biāo)估計(jì)和跟蹤類屬于該系統(tǒng)的處理數(shù)據(jù)。

23圖 3.1 未知雜波 CPHD 的高斯混合實(shí)現(xiàn)總體流程圖境下 CPHD 高斯混合實(shí)現(xiàn)的參數(shù)準(zhǔn)備數(shù)濾波工作之前，需要首先準(zhǔn)備一些相關(guān)的參數(shù)，包、目標(biāo)的量測(cè)模型參數(shù)、目標(biāo)和雜波的檢測(cè)概率和的高斯分量以備預(yù)測(cè)步使用。中定義模型參數(shù)。定義目標(biāo)的狀態(tài)矩陣是 4 維的，Txkykxkyk[p,p;p,p],,,, ；本文的目標(biāo)運(yùn)動(dòng)模型采用 CV

27圖 3.2 預(yù)測(cè)步流程圖些給定參數(shù)的先驗(yàn)信息例如給據(jù)濾波方程對(duì)這些參數(shù)進(jìn)行預(yù)函數(shù)(1)k 1v 、先驗(yàn)雜波生成器數(shù)目的高斯混合形式為， 11()1()1()1(1)1()(;,)kJiikikikkv x NxmP1(1) ( ) ( ) ( ) , 1 , | 1 , | 11 ( ; , )kJj j jS k k S k k S k k jp N x m P

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 劉鋼,劉明,匡海鵬,修吉宏,翟林培;多目標(biāo)跟蹤方法綜述[J];電光與控制;2004年03期

相關(guān)博士學(xué)位論文 前1條

1 李良群;信息融合系統(tǒng)中的目標(biāo)跟蹤及數(shù)據(jù)關(guān)聯(lián)技術(shù)研究[D];西安電子科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前1條

1 馮洋;多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究[D];西安電子科技大學(xué);2008年

本文編號(hào)：2762249