隨著傳感器技術(shù)的飛速發(fā)展,傳感器分辨率越來越高,目標(biāo)信號往往跨越多個(gè)傳感器分辨單元,目標(biāo)輪廓信息不可忽略,傳統(tǒng)跟蹤技術(shù)中將目標(biāo)視作質(zhì)點(diǎn)的假設(shè)面臨著巨大挑戰(zhàn)。擴(kuò)展目標(biāo)跟蹤不僅考慮目標(biāo)的運(yùn)動特征,還考慮目標(biāo)的輪廓特征,通過信號處理和數(shù)據(jù)處理等相關(guān)技術(shù),實(shí)現(xiàn)目標(biāo)運(yùn)動狀態(tài)和輪廓狀態(tài)的聯(lián)合估計(jì),在高分辨雷達(dá)/聲吶探測、遙感、無人駕駛等軍事和民用領(lǐng)域具有重要的研究意義和應(yīng)用價(jià)值。針對雜波環(huán)境下的擴(kuò)展目標(biāo)跟蹤問題,本文開展了基于高斯過程的擴(kuò)展目標(biāo)跟蹤算法研究,主要工作如下:1.針對理想環(huán)境下擴(kuò)展目標(biāo)跟蹤問題,對高斯過程擴(kuò)展卡爾曼濾波算法進(jìn)行了仿真實(shí)現(xiàn)和分析。首先,基于高斯過程建立擴(kuò)展目標(biāo)的狀態(tài)空間模型,并將每一幀的全體測量進(jìn)行增廣,形成增廣測量矩陣。其次,利用擴(kuò)展卡爾曼濾波器更新擴(kuò)展目標(biāo)的狀態(tài)和協(xié)方差。最后,通過和隨機(jī)矩陣法進(jìn)行仿真比較,系統(tǒng)分析了該算法的性能。2.針對雜波環(huán)境下擴(kuò)展目標(biāo)跟蹤問題,提出一種高斯過程概率數(shù)據(jù)關(guān)聯(lián)擴(kuò)展目標(biāo)跟蹤方法。首先,基于高斯過程建立擴(kuò)展目標(biāo)的聯(lián)合跟蹤門以選擇有效量測。其次,基于有效量測枚舉所有擴(kuò)展目標(biāo)的關(guān)聯(lián)事件,并根據(jù)全概率定理計(jì)算關(guān)聯(lián)事件概率。最后,利用概率數(shù)據(jù)關(guān)聯(lián)...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
第2章 擴(kuò)展目標(biāo)跟蹤理論基礎(chǔ)
    2.1 引言
    2.2 擴(kuò)展目標(biāo)概述
    2.3 高斯過程原理
    2.4 擴(kuò)展目標(biāo)輪廓高斯過程模型
    2.5 本章小結(jié)
第3章 理想環(huán)境下基于高斯過程的擴(kuò)展目標(biāo)跟蹤
    3.1 引言
    3.2 問題描述
        3.2.1 運(yùn)動模型
        3.2.2 測量模型
    3.3 GP-EKF算法
    3.4 仿真分析
    3.5 本章小結(jié)
第4章 雜波環(huán)境下基于高斯過程的擴(kuò)展目標(biāo)跟蹤
    4.1 引言
    4.2 問題描述
        4.2.1 運(yùn)動模型
        4.2.2 測量模型
    4.3 概率數(shù)據(jù)關(guān)聯(lián)算法
    4.4 GP-PDA算法
        4.4.1 擴(kuò)展目標(biāo)狀態(tài)和協(xié)方差更新
        4.4.2 擴(kuò)展目標(biāo)互聯(lián)概率計(jì)算
    4.5 仿真分析
    4.6 本章小結(jié)
第5章 雜波環(huán)境下基于高斯過程的多機(jī)動擴(kuò)展目標(biāo)跟蹤
    5.1 引言
    5.2 問題描述
        5.2.1 運(yùn)動模型
        5.2.2 測量模型
    5.3 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法
    5.4 GP-VSMM-JPDA算法
        5.4.1 期望模式擴(kuò)展
        5.4.2 互聯(lián)事件拆分
        5.4.3 擴(kuò)展目標(biāo)狀態(tài)和協(xié)方差更新
    5.5 仿真分析
    5.6 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄



本文編號：3842790