隨著傳感器的分辨率越來越高,擴展目標隨之出現(xiàn),對擴展目標檢測和跟蹤成為了研究熱點。與傳統(tǒng)的點目標不同,擴展目標目標占據(jù)多個傳感器分辨單元,并產(chǎn)生多個量測。對于非規(guī)則的擴展目標外形估計,可將其建模成星凸型,通過未知有限的半徑函數(shù)參數(shù)化表征目標外形,并同時對目標運動狀態(tài)和外形進行估計。在星凸模型的框架中,高斯過程（Gaussian Process,GP）方法在空間域表示半徑函數(shù)。在擴展目標跟蹤中使用GP的優(yōu)點是它足夠靈活,可以用分析表示來表示各種形狀。其并保持目標未觀測部分的不確定性,是當前的一個研究重點。在高分辨率雷達場景下的擴展目標檢測和跟蹤中,多個量測源于同個目標。最大似然概率多假設跟蹤（Maximum Likelihood Probabilistic Multi-Hypothesis Tracker,ML-PMHT）算法和PMHT算法分別是基于滑窗法實現(xiàn)的多目標檢測和跟蹤算法。在PMHT框架下,量測與目標關(guān)聯(lián)相互獨立,允許多個量測與目標關(guān)聯(lián)。避免了傳統(tǒng)算法指數(shù)級增長的復雜度。在擴展目標檢測和跟蹤場景下具有更突出的性能。因此,本文主要開展基于GP模型下目標檢測算法（GP-ML-PMH... 

【文章來源】：電子科技大學四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【部分圖文】：

典型的LLR曲面圖

【參考文獻】：
期刊論文
[1]高斯過程回歸下的擴展目標高斯粒子濾波算法[J]. 遲珞珈,馮新喜,王泉.  彈箭與制導學報. 2019(02)

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



本文編號：2997203