本文關(guān)鍵詞：無線層析網(wǎng)絡(luò)中多目標(biāo)跟蹤方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：無線層析成像(RTI,Radio Tomographic Image)是基于無線層析網(wǎng)絡(luò)的一種新興的無源被動目標(biāo)定位方法。該方法需要在監(jiān)測區(qū)域周圍部署無線射頻節(jié)點,目標(biāo)遮擋射頻節(jié)點之間的無線鏈路會導(dǎo)致某些鏈路的接收信號強度(RSS,Received Signal Strength)發(fā)生劇烈變化。無線層析網(wǎng)絡(luò)中的無源目標(biāo)定位方法就是利用鏈路的RSS變化量來定位和跟蹤監(jiān)測區(qū)域內(nèi)的目標(biāo)。基于陰影衰落的無線層析成像將監(jiān)測區(qū)域劃分成許多均勻的網(wǎng)格,即像素,然后通過建立并求解每個像素的衰減量和RSS變化量之間的線性模型來重建圖像,實現(xiàn)目標(biāo)的定位和跟蹤。基于RTI的多目標(biāo)跟蹤需要將RTI圖像的像素進行聚類,并將獲得的聚類觀測量通過Kalman濾波更新當(dāng)前時刻目標(biāo)位置。然而聚類過程會產(chǎn)生過聚類現(xiàn)象,即RTI圖像中與一個目標(biāo)對應(yīng)的亮點被分割成多個聚類。傳統(tǒng)的全局最鄰近數(shù)據(jù)分配方法(GNNDA,Global NearestNei ghbor Data Association)只選擇源自于目標(biāo)的其中一個聚類分配給目標(biāo),這會導(dǎo)致目標(biāo)位置信息的丟失從而降低目標(biāo)的跟蹤精度。針對該問題本文將聯(lián)合概率數(shù)據(jù)分配方法(JPDA,Joint Probabilistic Data Association)應(yīng)用于基于RTI的多目標(biāo)跟蹤方法中。JPDA計算源自于目標(biāo)的每一個聚類觀測量的概率,將所有的聚類觀測量結(jié)合起來更新目標(biāo)位置。實驗結(jié)果表明基于JPDA的多目標(biāo)跟蹤精度比基于GNNDA的跟蹤精度高,并且對過聚類有魯棒性�；赗TI的多目標(biāo)跟蹤雖然算法簡單,但其建立在像素衰減量和鏈路RSS變化量之間是線性模型的基礎(chǔ)上,目標(biāo)定位和跟蹤精度并不高。為了使用更多精確的觀測量模型,如繞射模型、指數(shù)模型等非線性模型,以提高目標(biāo)定位和跟蹤精度,我們將基于粒子濾波(PF,Particle Filtering)的多目標(biāo)跟蹤方法應(yīng)用于無線層析網(wǎng)絡(luò)中。另外,在無線層析網(wǎng)絡(luò)中時變多目標(biāo)跟蹤方法的研究中,基于RTI的時變多目標(biāo)跟蹤存在因果延遲問題,即與真實的時變目標(biāo)數(shù)目相比,估計所得時變目標(biāo)數(shù)目存在滯后,并且基于RTI的時變多目標(biāo)跟蹤性能有待提高。基于PF的時變多目標(biāo)跟蹤方法利用維度可變的粒子及其權(quán)重來估計時變目標(biāo)數(shù)目,實現(xiàn)目標(biāo)跟蹤。實驗結(jié)果表明該方法不存在延遲問題,并且能提高目標(biāo)的跟蹤性能。
【關(guān)鍵詞】：無線層析成像 多目標(biāo)跟蹤 過聚類 聯(lián)合概率分布 粒子濾波
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-16
• 1.1 課題研究背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢12-14
• 1.3 研究的重點及難點14-15
• 1.4 論文主要內(nèi)容安排15-16
• 第2章 無線層析成像技術(shù)16-27
• 2.1 無線層析成像簡介16
• 2.2 基于陰影衰落的無線層析成像模型16-21
• 2.2.1 測量模型16-20
• 2.2.2 權(quán)重模型20-21
• 2.3 圖像重建21-26
• 2.3.1 不適定問題21-22
• 2.3.2 正則化22-25
• 2.3.3 圖像重建結(jié)果25-26
• 2.4 本章小結(jié)26-27
• 第3章 無線層析網(wǎng)絡(luò)中基于RTI的多目標(biāo)跟蹤27-46
• 3.1 目標(biāo)運動模型27
• 3.2 室內(nèi)環(huán)境下的RTI圖像27-29
• 3.3 RTI圖像的降噪處理29-30
• 3.4 聚類30-33
• 3.4.1 K-means聚類30-32
• 3.4.2 HAC聚類32-33
• 3.5 過聚類33-34
• 3.6 基于不同數(shù)據(jù)分配方法的多目標(biāo)跟蹤34-40
• 3.6.1 全局最鄰近數(shù)據(jù)分配方法34-36
• 3.6.2 GNNDA相應(yīng)的Kalman濾波36-37
• 3.6.3 聯(lián)合概率數(shù)據(jù)分配方法37-39
• 3.6.4 JPDA相應(yīng)的Kalman濾波39-40
• 3.7 實驗過程40-44
• 3.7.1 實驗部署40-42
• 3.7.2 實驗結(jié)果42-44
• 3.8 本章總結(jié)44-46
• 第4章 無線層析網(wǎng)絡(luò)中基于PF和MPF的多目標(biāo)跟蹤46-55
• 4.1 基于PF的多目標(biāo)跟蹤46-50
• 4.1.1 運動方程46-47
• 4.1.2 系統(tǒng)模型47
• 4.1.3 PF濾波理論47-50
• 4.2 基于MPF的多目標(biāo)跟蹤50-52
• 4.3 實驗過程52-54
• 4.4 本章總結(jié)54-55
• 第5章 無線層析網(wǎng)絡(luò)中時變多目標(biāo)跟蹤55-71
• 5.1 基于RTI的時變多目標(biāo)跟蹤55-57
• 5.1.1 聚類觀測量融合55-56
• 5.1.2 目標(biāo)進入和離開監(jiān)測區(qū)域的判斷規(guī)則56-57
• 5.2 基于PF的時變多目標(biāo)跟蹤57-59
• 5.2.1 運動方程和系統(tǒng)模型57-58
• 5.2.2 適用于時變多目標(biāo)跟蹤的PF理論58-59
• 5.3 實驗過程59-70
• 5.3.1 實驗部署59-61
• 5.3.2 實驗結(jié)果61-70
• 5.4 本章總結(jié)70-71
• 總結(jié)與展望71-72
• 參考文獻72-76
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單76-77
• 致謝77

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 宋磊 ,黃祥林 ,沈蘭蓀;視頻監(jiān)控系統(tǒng)概述[J];測控技術(shù);2003年05期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 賀東升;基于紅外成像技術(shù)的監(jiān)控系統(tǒng)設(shè)計[D];華中科技大學(xué);2009年

  本文關(guān)鍵詞：無線層析網(wǎng)絡(luò)中多目標(biāo)跟蹤方法的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：336735