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(guó)防中的地位愈發(fā)重要。在復(fù)雜戰(zhàn)場(chǎng)環(huán)境下,跟蹤過(guò)程中目標(biāo)數(shù)目隨時(shí)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(jì)算量增大,跟蹤精度下降。針對(duì)上述問(wèn)題,隨機(jī)有限集（RFS）理論作為一種新方法,通過(guò)將目標(biāo)狀態(tài)與量測(cè)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(guò)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(diǎn)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(diǎn)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(duì)概率假設(shè)密度濾波（PHD）,集勢(shì)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(shí)現(xiàn)算法步驟,最后通過(guò)仿真驗(yàn)證了在一般跟蹤場(chǎng)景中,CPHD在目標(biāo)數(shù)目估計(jì)方面具有更高的精度,同時(shí)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(duì)多目標(biāo)的先驗(yàn)概率初始化,然而對(duì)于機(jī)載雷達(dá)來(lái)說(shuō),新生目標(biāo)出現(xiàn)的位置無(wú)法確定,因此需要將新... 

【文章來(lái)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(yè)數(shù)】：93 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)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(dòng)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(dòng)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(yùn)動(dòng)模型與觀測(cè)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(cè)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(shí)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(jiǎn)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(zhǎng)相參積累機(jī)動(dòng)目標(biāo)速度補(bǔ)償方法[J]. 曹書(shū)華,張建凌,汪凌艷.  計(jì)算機(jī)測(cè)量與控制. 2015(03)
[5]多頻段雷達(dá)組網(wǎng)探測(cè)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(cè)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(jì)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(tái)設(shè)計(jì)與實(shí)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(hào)：3165318