隨著傳感器網(wǎng)絡(luò)和信息科技的發(fā)展,多目標(biāo)跟蹤技術(shù)迅速崛起,其在軍事國防中的地位愈發(fā)重要。在復(fù)雜戰(zhàn)場環(huán)境下,跟蹤過程中目標(biāo)數(shù)目隨時間變化等不確定性因素造成傳統(tǒng)多目標(biāo)跟蹤算法的計算量增大,跟蹤精度下降。針對上述問題,隨機(jī)有限集（RFS）理論作為一種新方法,通過將目標(biāo)狀態(tài)與量測分別建立成集合,在集合的意義上進(jìn)行遞推濾波,從而避免了數(shù)據(jù)關(guān)聯(lián)過程并解決了目標(biāo)數(shù)目變化的難題,為多目標(biāo)跟蹤提供新的思路。本文重點研究了基于RFS理論的多目標(biāo)跟蹤方法。（1）基于RFS理論的多目標(biāo)跟蹤算法分析。介紹了多目標(biāo)跟蹤技術(shù)的基本濾波算法,重點詳述了RFS的基本理論和它在多目標(biāo)跟蹤中的應(yīng)用。并對概率假設(shè)密度濾波（PHD）,集勢概率假設(shè)密度濾波（CPHD）和多目標(biāo)多伯努利（CBMeMBer）三種濾波算法的理論進(jìn)行了深入的研究,并推導(dǎo)出三種算法的工程實現(xiàn)算法步驟,最后通過仿真驗證了在一般跟蹤場景中,CPHD在目標(biāo)數(shù)目估計方面具有更高的精度,同時算法復(fù)雜度也大幅提高。（2）改進(jìn)的混合高斯PHD濾波算法研究。原有的混合高斯PHD濾波器需要對多目標(biāo)的先驗概率初始化,然而對于機(jī)載雷達(dá)來說,新生目標(biāo)出現(xiàn)的位置無法確定,因此需要將新... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：93 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 課題研究背景和意義
    1.2 課題的研究現(xiàn)狀
        1.2.1 傳統(tǒng)的多目標(biāo)跟蹤算法
        1.2.2 基于隨機(jī)有限集理論的多目標(biāo)跟蹤算法
        1.2.3 機(jī)動目標(biāo)跟蹤算法
    1.3 論文主要內(nèi)容與結(jié)構(gòu)安排
第二章 基于隨機(jī)有限集的雷達(dá)機(jī)動多目標(biāo)跟蹤基礎(chǔ)理論
    2.1 引言
    2.2 交互多模型算法
    2.3 單目標(biāo)貝葉斯濾波器
        2.3.1 卡爾曼濾波器
        2.3.2 粒子濾波器
    2.4 基于隨機(jī)有限集的多目標(biāo)貝葉斯濾波器
        2.4.1 多目標(biāo)運動模型與觀測模型
        2.4.2 多目標(biāo)馬爾科夫密度以及似然函數(shù)
        2.4.3 多目標(biāo)貝葉斯濾波器
        2.4.4 集積分與集導(dǎo)數(shù)
        2.4.5 多目標(biāo)貝葉斯濾波器的性能指標(biāo)
    2.5 本章小結(jié)
第三章 基于隨機(jī)有限集的雷達(dá)多目標(biāo)跟蹤算法
    3.1 引言
    3.2 多目標(biāo)貝葉斯濾波器的p.g.fl.形式
    3.3 多目標(biāo)貝葉斯濾波器的距近似
        3.3.1 一階多目標(biāo)濾波以及PHD濾波器
        3.3.2 二階多目標(biāo)濾波以及CPHD濾波器
    3.4 多目標(biāo)貝葉斯濾波器的多伯努利近似
    3.5 算法仿真
        3.5.1 PHD濾波器算法仿真
        3.5.2 CPHD濾波器算法仿真
        3.5.3 CBMe MBer濾波器算法仿真
    3.6 本章小結(jié)
第四章 多模型自適應(yīng)新生目標(biāo)PHD濾波器
    4.1 引言
    4.2 基于檢測的自適應(yīng)新生目標(biāo)密度
    4.3 基于交互多模型的PHD算法
    4.4 混合高斯多模型自適應(yīng)新生目標(biāo)PHD算法
    4.5 算法仿真
    4.6 本章小結(jié)
第五章 前向-后向貝葉斯平滑濾波算法研究
    5.1 引言
    5.2 貝葉斯平滑算法的理論基礎(chǔ)
    5.3 混合高斯實現(xiàn)的前向-后向PHD平滑器
    5.4 算法仿真
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 研究總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于標(biāo)簽隨機(jī)有限集濾波器的多擴(kuò)展目標(biāo)跟蹤算法[J]. 曹倬,馮新喜,蒲磊,王雪,張琳琳.  系統(tǒng)工程與電子技術(shù). 2018(03)
[2]基于隨機(jī)有限集的多目標(biāo)跟蹤算法在紅外預(yù)警系統(tǒng)中的應(yīng)用研究[J]. 李莉,程小亮.  電光與控制. 2017(08)
[3]基于隨機(jī)有限集的多擴(kuò)展目標(biāo)跟蹤研究進(jìn)展[J]. 單博煒,楊小軍.  控制與決策. 2017(06)
[4]機(jī)載雷達(dá)長相參積累機(jī)動目標(biāo)速度補(bǔ)償方法[J]. 曹書華,張建凌,汪凌艷.  計算機(jī)測量與控制. 2015(03)
[5]多頻段雷達(dá)組網(wǎng)探測跟蹤隱身目標(biāo)研究[J]. 張華濤.  現(xiàn)代電子技術(shù). 2014(07)
[6]透視美軍網(wǎng)絡(luò)中心電子戰(zhàn)[J]. 潘理剛,王俊文.  網(wǎng)絡(luò)安全技術(shù)與應(yīng)用. 2013(06)
[7]檢測中斷后機(jī)載雷達(dá)航跡連續(xù)跟蹤算法[J]. 盛勻.  雷達(dá)科學(xué)與技術(shù). 2011(06)
[8]多目標(biāo)跟蹤綜述[J]. 蔣戀華,甘朝暉,蔣旻.  計算機(jī)系統(tǒng)應(yīng)用. 2010(12)

碩士論文
[1]雷達(dá)航跡處理算法及仿真平臺設(shè)計與實現(xiàn)[D]. 高萌.西安電子科技大學(xué) 2015
[2]機(jī)載雷達(dá)目標(biāo)跟蹤與應(yīng)用技術(shù)研究[D]. 李宏敏.西安電子科技大學(xué) 2010
[3]邊掃描邊跟蹤雷達(dá)航跡跟蹤算法的研究[D]. 馬玲.西北工業(yè)大學(xué) 2004
[4]雷達(dá)數(shù)據(jù)處理中的航跡相關(guān)[D]. 劉宇.四川大學(xué) 2003



本文編號：3165318