發(fā)布時(shí)間：2021-01-24 11:56

　　隨著傳感器的分辨率越來(lái)越高,擴(kuò)展目標(biāo)隨之出現(xiàn),對(duì)擴(kuò)展目標(biāo)檢測(cè)和跟蹤成為了研究熱點(diǎn)。與傳統(tǒng)的點(diǎn)目標(biāo)不同,擴(kuò)展目標(biāo)目標(biāo)占據(jù)多個(gè)傳感器分辨單元,并產(chǎn)生多個(gè)量測(cè)。對(duì)于非規(guī)則的擴(kuò)展目標(biāo)外形估計(jì),可將其建模成星凸型,通過(guò)未知有限的半徑函數(shù)參數(shù)化表征目標(biāo)外形,并同時(shí)對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)和外形進(jìn)行估計(jì)。在星凸模型的框架中,高斯過(guò)程（Gaussian Process,GP）方法在空間域表示半徑函數(shù)。在擴(kuò)展目標(biāo)跟蹤中使用GP的優(yōu)點(diǎn)是它足夠靈活,可以用分析表示來(lái)表示各種形狀。其并保持目標(biāo)未觀測(cè)部分的不確定性,是當(dāng)前的一個(gè)研究重點(diǎn)。在高分辨率雷達(dá)場(chǎng)景下的擴(kuò)展目標(biāo)檢測(cè)和跟蹤中,多個(gè)量測(cè)源于同個(gè)目標(biāo)。最大似然概率多假設(shè)跟蹤（Maximum Likelihood Probabilistic Multi-Hypothesis Tracker,ML-PMHT）算法和PMHT算法分別是基于滑窗法實(shí)現(xiàn)的多目標(biāo)檢測(cè)和跟蹤算法。在PMHT框架下,量測(cè)與目標(biāo)關(guān)聯(lián)相互獨(dú)立,允許多個(gè)量測(cè)與目標(biāo)關(guān)聯(lián)。避免了傳統(tǒng)算法指數(shù)級(jí)增長(zhǎng)的復(fù)雜度。在擴(kuò)展目標(biāo)檢測(cè)和跟蹤場(chǎng)景下具有更突出的性能。因此,本文主要開(kāi)展基于GP模型下目標(biāo)檢測(cè)算法（GP-ML-PMH... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

典型的LLR曲面圖

【參考文獻(xiàn)】：
期刊論文
[1]高斯過(guò)程回歸下的擴(kuò)展目標(biāo)高斯粒子濾波算法[J]. 遲珞珈,馮新喜,王泉.  彈箭與制導(dǎo)學(xué)報(bào). 2019(02)

博士論文
[1]粒子群算法的基本理論及其改進(jìn)研究[D]. 劉建華.中南大學(xué) 2009



本文編號(hào)：2997203