近些年來,基于隨機(jī)集的多目標(biāo)跟蹤技術(shù)由于避免了數(shù)據(jù)關(guān)聯(lián),大大降低了運算復(fù)雜度,迅速成為多目標(biāo)跟蹤領(lǐng)域的研究熱點。但隨機(jī)集模型框架下的濾波算法本質(zhì)上并非多目標(biāo)跟蹤器,因為并未提供目標(biāo)航跡,目標(biāo)仍不可區(qū)分。通過將標(biāo)簽思想引入隨機(jī)集,很好地解決了航跡識別問題,基于此而發(fā)展出的廣義標(biāo)簽多伯努利隨機(jī)集（Generalized Labeled Multi-Bernoulli,GLMB）濾波器也得到廣泛的應(yīng)用拓展。本文重點研究了基于GLMB濾波器的多目標(biāo)跟蹤方法,具體研究內(nèi)容安排如下:首先,介紹了GLMB濾波器和δ-GLMB濾波器的核心思想與實現(xiàn)方式。詳細(xì)介紹隨機(jī)有限集理論及其在貝葉斯框架下的多目標(biāo)跟蹤遞推算法。在此基礎(chǔ)上,介紹了GLMB和δ-GLMB濾波算法的核心思想,并給出了具體的預(yù)測及更新步驟。其次,針對條件聯(lián)合決策估計算法在缺乏軌跡先驗分布信息的條件下很難計算決策代價以及估計代價的問題,提出一種新的基于廣義標(biāo)簽伯努利濾波器的多目標(biāo)聯(lián)合跟蹤算法,將目標(biāo)勢估計代價、狀態(tài)估計代價以及決策估計代價統(tǒng)一起來,通過代價最小化獲得最優(yōu)估計。同時,為解決傳統(tǒng)δ-GLMB算法對新生目標(biāo)估計誤差較大的問題,提出... 

【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)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

目標(biāo)真實軌跡，o/對應(yīng)開始/結(jié)束

設(shè)置截斷距離 c=100，階數(shù) p=1。為了驗證算法平均性能，取 100 次蒙特卡羅實驗平均效果，每次仿真目標(biāo)狀態(tài)和測量值均隨機(jī)產(chǎn)生。圖3.1給出了模擬場景中目標(biāo)的真實運動軌跡。圖3.2(a)(b)(c)分別為傳統(tǒng)δ-GLMB、CJDE-δ-GLMB 和 ADP-CJDE-δ-GLMB 算法單次實驗的跟蹤結(jié)果。

圖 3.3 和圖 3.4 給出了三種算法在 100 次蒙特卡洛仿真下的平均勢估計和 OSPA距離結(jié)果（每個時刻平均雜波數(shù) =20）。圖3.3 三種算法勢估計

【參考文獻(xiàn)】：
期刊論文
[1]基于變分貝葉斯勢均衡多目標(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)
[2]改進(jìn)的多模型粒子PHD和CPHD濾波算法[J]. 歐陽成,姬紅兵,郭志強(qiáng).  自動化學(xué)報. 2012(03)
[3]信息融合理論的基本方法與進(jìn)展[J]. 潘泉,于昕,程詠梅,張洪才.  自動化學(xué)報. 2003(04)

博士論文
[1]粒子濾波及其在目標(biāo)跟蹤中的應(yīng)用研究[D]. 張俊根.西安電子科技大學(xué) 2011
[2]被動多傳感器探測目標(biāo)跟蹤技術(shù)研究[D]. 楊柏勝.西安電子科技大學(xué) 2009



本文編號：3347224