發(fā)布時(shí)間：2022-02-24 06:12

　　隨著當(dāng)代科技的迅猛發(fā)展,雷達(dá)對(duì)目標(biāo)的探測與跟蹤面臨越來越多的挑戰(zhàn),多目標(biāo)跟蹤技術(shù)具有廣泛的研究空間。分布式MIMO雷達(dá)依靠空間分集技術(shù),能夠高效解決RCS閃爍的影響,對(duì)提高目標(biāo)跟蹤性能有獨(dú)特優(yōu)勢(shì),因此分布式MIMO雷達(dá)多目標(biāo)跟蹤技術(shù)的發(fā)展備受關(guān)注。本文以提高分布式MIMO雷達(dá)多目標(biāo)跟蹤性能為目標(biāo),重點(diǎn)研究了粒子濾波和相關(guān)改進(jìn)算法,以及適用于多目標(biāo)處理的概率假設(shè)密度濾波,主要研究工作包括:首先,針對(duì)MIMO雷達(dá)應(yīng)用場景中的多目標(biāo)跟蹤,本文介紹了目標(biāo)在不同運(yùn)動(dòng)條件下的運(yùn)動(dòng)模型,分析了MIMO雷達(dá)的工作原理以及檢測跟蹤原理,建立信號(hào)模型和觀測模型,對(duì)比多種當(dāng)前熱門跟蹤算法的優(yōu)缺點(diǎn),重點(diǎn)分析了粒子濾波算法以及隨機(jī)有限集理論。針對(duì)粒子濾波算法在多目標(biāo)跟蹤中誤差較大等問題,提出基于概率假設(shè)密度的粒子濾波相關(guān)改進(jìn)算法。其次,針對(duì)目標(biāo)個(gè)數(shù)未知或者時(shí)變場景下的跟蹤問題,本文研究了概率假設(shè)密度濾波,在隨機(jī)集理論基礎(chǔ)上,分析多目標(biāo)集合模型,在分布函數(shù)中引入了一種輔助參數(shù)粒子的改進(jìn)算法。另外,本文提出設(shè)定閾值預(yù)處理方式進(jìn)一步優(yōu)化基于概率假設(shè)密度的輔助粒子濾波算法,通過標(biāo)記粒子,提高粒子分布在高似然區(qū)域概率。仿... 

【文章來源】：南京大學(xué)江蘇省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 MIMO雷達(dá)研究現(xiàn)狀
        1.2.2 目標(biāo)跟蹤研究現(xiàn)狀
        1.2.3 粒子濾波研究現(xiàn)狀
    1.3 論文主要內(nèi)容和工作
第二章 MIMO雷達(dá)目標(biāo)跟蹤理論
    2.1 MIMO雷達(dá)原理和模型
        2.1.1 MIMO雷達(dá)工作原理
        2.1.2 MIMO雷達(dá)信號(hào)模型
        2.1.3 MIMO雷達(dá)量測模型
    2.2 目標(biāo)運(yùn)動(dòng)模型
    2.3 目標(biāo)檢測和跟蹤
        2.3.1 檢測和跟蹤原理
        2.3.2 目標(biāo)跟蹤方法比較
    2.4 目前存在的問題
    2.5 本章小結(jié)
第三章 基于PHD-APF的MIMO雷達(dá)多目標(biāo)跟蹤
    3.1 概率假設(shè)密度濾波
        3.1.1 隨機(jī)有限集
        3.1.2 多目標(biāo)隨機(jī)集建模
        3.1.3 概率假設(shè)密度遞歸
    3.2 粒子濾波算法
        3.2.1 貝葉斯濾波
        3.2.2 蒙特卡洛方法
        3.2.3 重要性采樣
        3.2.4 重采樣
    3.3 基于PHD-PF多目標(biāo)跟蹤
        3.3.1 目標(biāo)狀態(tài)模型
        3.3.2 觀測模型
        3.3.3 算法原理和流程
    3.4 改進(jìn)PHD輔助粒子濾波算法
        3.4.1 輔助粒子濾波
        3.4.2 算法流程
    3.5 實(shí)驗(yàn)仿真和結(jié)果分析
    3.6 本章小結(jié)
第四章 基于自適應(yīng)粒子濾波MIMO雷達(dá)多目標(biāo)跟蹤
    4.1 交叉軌跡多目標(biāo)跟蹤
    4.2 自適應(yīng)粒子數(shù)優(yōu)化算法
        4.2.1 信息熵模型
        4.2.2 誤差橢圓
        4.2.3 自適應(yīng)粒子濾波
    4.3 算法仿真和分析
    4.4 本章小結(jié)
第五章 總結(jié)和展望
    5.1 全文總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于多目標(biāo)CRLB的分布式相干MIMO雷達(dá)陣列優(yōu)化[J]. 馬鵬,張珂,洪振清,張劍云.  數(shù)據(jù)采集與處理. 2012(04)
[2]跟蹤機(jī)動(dòng)目標(biāo)的雷達(dá)波形選擇新方法[J]. 檀甲甲,張建秋.  系統(tǒng)工程與電子技術(shù). 2011(03)
[3]裂變自舉粒子濾波[J]. 程水英,張劍云.  電子學(xué)報(bào). 2008(03)
[4]高斯粒子濾波器及其在非線性估計(jì)中的應(yīng)用[J]. 王寧,王從慶.  南京航空航天大學(xué)學(xué)報(bào). 2006(S1)

碩士論文
[1]基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的粒子濾波算法[D]. 史若雯.哈爾濱工業(yè)大學(xué) 2018



本文編號(hào)：3642143