擴(kuò)展目標(biāo)跟蹤問(wèn)題一直是國(guó)內(nèi)外廣泛關(guān)注的熱點(diǎn)問(wèn)題,擴(kuò)展目標(biāo)跟蹤存在如下特點(diǎn):第一,目標(biāo)在一個(gè)采樣周期內(nèi)產(chǎn)生多個(gè)量測(cè)點(diǎn),并且這些量測(cè)通常位于傳感器（例如雷達(dá)）同一個(gè)分辨單元內(nèi),增加了擴(kuò)展目標(biāo)個(gè)數(shù)估計(jì)的難度;第二,擴(kuò)展目標(biāo)的形狀通常是未知的,甚至可能隨時(shí)間變化,導(dǎo)致目標(biāo)形狀估計(jì)難度增大。本文以隨機(jī)有限集為理論基礎(chǔ),首先提出了基于RFS的雜波強(qiáng)度估計(jì)算法,然后建立了擴(kuò)展目標(biāo)的散射點(diǎn)模型,最后提出了一種雜波條件下基于標(biāo)簽隨機(jī)有限集（Labelled random finite sets,L-RFS）框架下的多擴(kuò)展目標(biāo)跟蹤估計(jì)算法。具體研究?jī)?nèi)容如下:（1）基于RFS的未知雜波強(qiáng)度估計(jì)算法。在很多情況下,目標(biāo)跟蹤受到密集,不均勻和隨時(shí)間變化的雜波干擾,這將嚴(yán)重惡化未知雜波環(huán)境下的跟蹤性能。本文考慮未知雜波的檢測(cè)率和雜波率,引入有限混合分布（FMD）來(lái)擬合未知的雜波分布,然后采用吉布斯采樣和貝葉斯信息準(zhǔn)則（BIC）來(lái)估計(jì)雜波參數(shù)。（2）擴(kuò)展目標(biāo)散射點(diǎn)建模。隨著現(xiàn)代傳感器技術(shù)的不斷發(fā)展,雷達(dá)分辨率的日益提高使得我們能夠從單個(gè)目標(biāo)中獲得多個(gè)散射點(diǎn)信息,即一個(gè)擴(kuò)展目標(biāo)在一個(gè)采樣周期內(nèi)產(chǎn)生不止一個(gè)量測(cè)點(diǎn),這就... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．１密集均勻雜波干擾??

??圖３．１情景顯示了電子偵察機(jī)（ＥＲＡ）和幾架戰(zhàn)斗機(jī)。當(dāng)ＥＲＡ檢測(cè)到自身??被其他雷達(dá)探測(cè)時(shí)，它可能產(chǎn)生抑制干擾。這將在探測(cè)雷達(dá)上形成密集且均勻的??雜波。??Ｉ?々ｒｖ鑫??１??圖３．２密集非均勻雜波干擾??圖３．２情景顯示了雷達(dá)正在探測(cè)多個(gè)目標(biāo)，其中一個(gè)目標(biāo)會(huì)產(chǎn)生箔條干擾。??它產(chǎn)生一個(gè)或多個(gè)密集的雜波區(qū)域，從而形成密集且非均勻的雜波區(qū)域。??在本章中，考慮隨機(jī)有限集（ＲＦＳ）框架下的雜波估計(jì)和目標(biāo)跟蹤，而不是??基于傳統(tǒng)的關(guān)聯(lián)方法，如聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)（ＪＰＤＡ），多假設(shè)跟蹤（ＭＨＴ），因??為基于ＲＦＳ的方法提供了用于雜波和目標(biāo)描述的狀態(tài)及量測(cè)貝葉斯公式，這對(duì)??處理雜波估計(jì)和目標(biāo)跟蹤提供了新的解決方法。雜波強(qiáng)度函數(shù)涉及雜波的所有信??息，主要包含兩種類(lèi)型的參數(shù)：一個(gè)是元素分布的數(shù)量，另一個(gè)是每個(gè)元素的參??數(shù)。??３．２未知雜波估計(jì)算法??３．２．１雜波模型的建立??假設(shè)ｋ時(shí)刻下的雜波量測(cè)集用４?＝?

杭州電子科技大學(xué)碩士學(xué)位論文集合｛２，３，…，７｝中，均勻分布的元素在已知的監(jiān)視范圍內(nèi)。雜波估計(jì)過(guò)程如圖３．３所示�；旧希梢钥闯鏊旭R爾代步驟中進(jìn)入穩(wěn)定階段。因此，為簡(jiǎn)單起見(jiàn)，總迭代次數(shù)的迭代結(jié)果作為最終的參數(shù)估計(jì)。未知雜波ＢＩＣ值和Ｎｕｍｍｎ表示雜波強(qiáng)度函數(shù)的元素個(gè)數(shù)，顯然，當(dāng)強(qiáng)度函數(shù)的元最小。??Ｘ１０４??１．２?ｉ?ｉ?ｉ?Ｉ??

【參考文獻(xiàn)】：
期刊論文
[1]基于廣義標(biāo)簽多伯努利濾波的可分辨群目標(biāo)跟蹤算法[J]. 朱書(shū)軍,劉偉峰,崔海龍.  自動(dòng)化學(xué)報(bào). 2017(12)
[2]近鄰傳播觀測(cè)聚類(lèi)的多擴(kuò)展目標(biāo)跟蹤算法[J]. 章濤,吳仁彪.  控制與決策. 2016(04)
[3]基于變分貝葉斯勢(shì)均衡多目標(biāo)多伯努利濾波的多擴(kuò)展目標(biāo)跟蹤算法[J]. 李翠蕓,王榮,姬紅兵.  控制理論與應(yīng)用. 2015(02)
[4]基于目標(biāo)跟蹤的群聚行為識(shí)別[J]. 馬一博.  科技與創(chuàng)新. 2015(05)
[5]基于高斯曲面特征矩陣的擴(kuò)展目標(biāo)形狀估計(jì)[J]. 李鵬,楊金龍,葛洪偉.  光電子.激光. 2014(09)
[6]改進(jìn)擴(kuò)展卡爾曼濾波算法的目標(biāo)跟蹤算法[J]. 楊鵬生,吳曉軍,張玉梅.  計(jì)算機(jī)工程與應(yīng)用. 2016(05)
[7]基于高斯混合PHD濾波的多機(jī)動(dòng)擴(kuò)展目標(biāo)跟蹤[J]. 田森平,周波,戚其豐.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(12)
[8]基于改進(jìn)擴(kuò)展卡爾曼濾波算法的空中目標(biāo)跟蹤[J]. 孫杰,胡瑞,楊輝.  艦船電子對(duì)抗. 2013(06)
[9]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]. 楊峰,王永齊,梁彥,潘泉.  自動(dòng)化學(xué)報(bào). 2013(11)
[10]一種混合的擴(kuò)展目標(biāo)跟蹤方法[J]. 李波睿,慕春棣,白天明,柳志娟.  航空學(xué)報(bào). 2014(05)

博士論文
[1]隨機(jī)有限集多目標(biāo)跟蹤技術(shù)研究[D]. 李云湘.國(guó)防科學(xué)技術(shù)大學(xué) 2016
[2]擴(kuò)展目標(biāo)的雷達(dá)檢測(cè)技術(shù)及其應(yīng)用研究[D]. 李軍.國(guó)防科學(xué)技術(shù)大學(xué) 2011

碩士論文
[1]復(fù)雜條件下的擴(kuò)展/群目標(biāo)跟蹤算法研究[D]. 江夢(mèng)茜.西安工程大學(xué) 2016



本文編號(hào)：3030452