本文關(guān)鍵詞：密集雜波條件下的多目標跟蹤算法研究與實現(xiàn)　出處：《電子科技大學》2014年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 多目標跟蹤 多模型 JPDA PHD JML-PDA

【摘要】：到目前為止,多目標跟蹤算法可分為兩大類:基于關(guān)聯(lián)的多目標跟蹤和基于隨機有限集(Random Finite Set,RFS)的多目標跟蹤,前者的代表算法為聯(lián)合概率數(shù)據(jù)互聯(lián)(Joint Probability Data Association,JPDA)算法;后者將的代表算法為概率假設密度濾波器(Probability Hypothesis Density Filter,PHDF)。它們之間互有優(yōu)劣:基于關(guān)聯(lián)的算法在密集雜波及信噪比較低的環(huán)境下能夠獲得較高的跟蹤精度,但其中關(guān)聯(lián)部分的計算量較大,PHD中沒有關(guān)聯(lián)部分,計算量較小,但它無法獲得連續(xù)的航跡。此外,針對目標發(fā)生機動的情況,當前一般采用多模型(Multi Model,MM)或交互式多模型(Interacting Multi Model,IMM)濾波框架,對應衍生出了兩類多目標跟蹤算法的機動目標跟蹤版本:IMM-JPDA與MM-PHDF。檢測前跟蹤(Track Before Detect,TBD)框架在雜波密度大的跟蹤場景中能夠獲得較好的跟蹤效果,到目前為止,基于RFS理論的多目標跟蹤算法尚未得到完備的TBD模型,因此一般采用基于關(guān)聯(lián)的跟蹤算法:首先,通過多幀累積初始化目標軌跡,一般采用多目標軌跡起始算法:聯(lián)合最大似然-概率數(shù)據(jù)關(guān)聯(lián)(Joint Maximum Likelihood-Probability Data Association,JML-PDA)算法,在得到目標的初始狀態(tài)及協(xié)方差矩陣后采用JPDA保持對目標軌跡的跟蹤,稱為結(jié)合的聯(lián)合最大似然-概率數(shù)據(jù)關(guān)聯(lián)(Combined JML-PDA and JPDA,CJML-PDA)算法。監(jiān)測區(qū)域內(nèi)的雜波密度和目標數(shù)量的增加會造成基于關(guān)聯(lián)的多目標跟蹤算法的組合爆炸問題,并且由于多幀累積算法往往需要用到多次觀測數(shù)據(jù),計算量很大,在串行運算的CPU平臺處理器上無法實時實現(xiàn),阻礙了它們的工程應用。自圖形處理器(Graphic Processing Unit,GPU)被用于通用信號處理后,很多在傳統(tǒng)架構(gòu)上計算復雜度高的算法的實時實現(xiàn)成為了可能。本文針對多目標跟蹤算法存在的一些缺陷,研究了多目標跟蹤改進算法及其在硬件平臺上的實現(xiàn),主要的工作如下:(1)介紹了雜波條件下的多目標跟蹤模型、基于關(guān)聯(lián)的多目標跟蹤算法JPDA及其機動目標跟蹤版本IMM-JPDA;(2)介紹了RFS理論框架下的多目標跟蹤模型、PHD濾波器、基于粒子濾波(Particle Filter,PF)實現(xiàn)的PHD濾波器以及PHD濾波器的機動目標跟蹤版本:MM-PHD濾波和它的PF實現(xiàn);(3)介紹了基于多幀累積的密集雜波條件下目標軌跡起始算法JML-PDA,基于JML-PDA算法與IMM-JPDA算法,結(jié)合兩種算法的優(yōu)勢,提出了一種在密集雜波條件下機動多目標跟蹤解決方案:CJML-IMM-PDA算法;(4)介紹了GPU的架構(gòu)特性及其開發(fā)平臺,提出基于GPU加速的CJML-IMM-PDA加速方案,并且基于仿真給出了其在GPU平臺下相對于CPU的加速比,取得了良好的效果,為多目標航跡起始及跟蹤算法的實時應用奠定了基礎(chǔ)。
[Abstract]:Up to now, multi-target tracking algorithms can be divided into two categories: Multi-target tracking based on association and multi-target tracking based on random Finite set with random finite set. The representative algorithm of the former is Joint Probability Data Association JPDAA algorithm. The latter algorithm is represented by probability assumption density filter and probability Hypothesis Density Filter. There are advantages and disadvantages between them: the algorithm based on correlation can obtain high tracking accuracy in dense clutter and low SNR environment, but the computation of the correlation part is large. There is no correlation part in PHD, so the computation is small, but it can not get continuous track. In addition, multi-model Multi Model is generally used in the case of target maneuvering. MMM) or interactive multi-model Multi Model-IMM) filtering framework. Two maneuvering target tracking versions: IMM-JPDA and MM-PHDF.Track Before Detect are derived from two kinds of multi-target tracking algorithms. TBD framework can achieve good tracking effect in the tracking scene with high clutter density. Up to now, the multi-target tracking algorithm based on RFS theory has not yet got a complete TBD model. Therefore, the tracking algorithm based on association is generally adopted: firstly, the target trajectory is initialized by multi-frame accumulation. Multi-objective trajectory initiation algorithm is generally used: joint maximum likelihood probability data association (MMLP). Joint Maximum Likelihood-Probability Data Association. JML-PDAA algorithm uses JPDA to keep track of the target trajectory after obtaining the initial state and covariance matrix of the target. The combined JML-PDA and JPDA is called a combined maximum likelihood-probability data association. CJML-PDA algorithm. Monitoring the clutter density and the increase of the number of targets in the region will lead to the combination explosion problem of multi-target tracking algorithm based on association. And because the multi-frame cumulant algorithm often needs to use the multiple observation data, the computation is very big, and can not be realized in real time on the serial operation CPU platform processor. This hinders their engineering applications. Since graphic Processing GPUs have been used in general signal processing. Many algorithms with high computational complexity in traditional architecture are implemented in real time. This paper aims at the shortcomings of multi-target tracking algorithm. The improved multi-target tracking algorithm and its implementation on hardware platform are studied. The main work is as follows: 1) the multi-target tracking model under clutter is introduced. Multi-target tracking algorithm based on association JPDA and its maneuvering target tracking version IMM-JPDA; (2) this paper introduces a multi-target tracking model based on particle filter (Particle Filter), which is based on RFS theory. PHD filter and the maneuvering target tracking version of PHD filter: MM-PHD filter and its PF implementation; This paper introduces JML-PDA-based multi-frame cumulation-based dense clutter algorithm, and combines the advantages of the two algorithms based on JML-PDA algorithm and IMM-JPDA algorithm. A maneuvering multi-target tracking solution named: CJML-IMM-PDA algorithm under dense clutter is proposed. This paper introduces the architecture characteristics of GPU and its development platform, and puts forward a CJML-IMM-PDA acceleration scheme based on GPU acceleration. The speedup ratio compared with CPU on GPU platform is given based on simulation, and good results are obtained, which lays a foundation for the real-time application of multi-target track initiation and tracking algorithm.
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TN953

【共引文獻】

相關(guān)期刊論文 前10條

1 張進;王萬平;吳欽章;;基于光電跟蹤系統(tǒng)的聯(lián)合Kalman濾波器算法研究[J];半導體光電;2008年04期

2 武俊;漆德寧;;分布式信息融合系統(tǒng)的拓撲結(jié)構(gòu)設計[J];兵工自動化;2007年03期

3 陳海;胡建旺;;基于轉(zhuǎn)換坐標卡爾曼濾波算法的目標跟蹤[J];兵工自動化;2007年12期

4 張淼;胡建旺;周云鋒;;改進粒子濾波算法研究[J];兵工自動化;2008年11期

5 蘇思;姜禮平;鄒明;;基于多分類支持向量機和證據(jù)合成方法的多傳感器信息融合研究[J];兵工自動化;2010年01期

6 刁聯(lián)旺,楊靜宇;一種改進的機動目標“當前”統(tǒng)計模型的描述[J];兵工學報;2005年06期

7 陳黎;王中許;;不完全量測下光電跟蹤系統(tǒng)中冗余測角信息的攫取研究[J];兵工學報;2011年07期

8 吳澤民;任姝婕;;雷達時差和系統(tǒng)誤差的聯(lián)合估計方法[J];兵工學報;2011年07期

9 肖鵬;段m#毅;趙琪;;基于多核融合的目標大面積遮擋處理方法[J];北京航空航天大學學報;2012年06期

10 胡士強,張?zhí)鞓?多傳感器在線自適應加權(quán)融合跟蹤算法[J];北京理工大學學報;2002年01期

相關(guān)會議論文 前10條

1 曾憲偉;方洋旺;伍友利;王洪強;劉加叢;;一種新的最優(yōu)制導律[A];第二十六屆中國控制會議論文集[C];2007年

2 高媛;張鵬;賈文靜;鄧自立;;自校正分量解耦信息融合Kalman平滑器[A];第二十六屆中國控制會議論文集[C];2007年

3 甄子洋;王志勝;;時滯MIMO系統(tǒng)的信息融合解耦補償器設計[A];第二十七屆中國控制會議論文集[C];2008年

4 廖永漢;郭云飛;彭冬亮;;無源聲探測目標跟蹤算法[A];第二十七屆中國控制會議論文集[C];2008年

5 王志勝;甄子洋;;隨機大系統(tǒng)的信息融合最優(yōu)分散控制[A];第二十七屆中國控制會議論文集[C];2008年

6 孫小君;鄧自立;;帶觀測時滯的多傳感器多通道ARMA信號信息融合Wiener濾波器[A];第二十七屆中國控制會議論文集[C];2008年

7 安劍奇;吳敏;何勇;曹衛(wèi)華;;基于兩級信息融合的高爐料面煤氣流分布檢測方法[A];第二十九屆中國控制會議論文集[C];2010年

8 張勇軍;李小占;楊志剛;;動態(tài)優(yōu)化漸消因子的強跟蹤卡爾曼濾波器研究[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

9 曹敏;陳鵬;羅學禮;高尚飛;張志生;;基于輸電線路工況在線監(jiān)測多源數(shù)據(jù)的多維度數(shù)據(jù)分析研究與應用[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

10 曹敏;陳鵬;羅學禮;高尚飛;張志生;;基于輸電線路工況在線監(jiān)測多源數(shù)據(jù)的多維度數(shù)據(jù)分析研究[A];2011年云南電力技術(shù)論壇論文集（優(yōu)秀論文部分）[C];2011年

相關(guān)博士學位論文 前10條

1 孟凡彬;基于隨機集理論的多目標跟蹤技術(shù)研究[D];哈爾濱工程大學;2010年

2 蔣鼎國;無線傳感器網(wǎng)絡農(nóng)業(yè)信息監(jiān)控系統(tǒng)設計與數(shù)據(jù)融合研究[D];江南大學;2010年

3 楊紅;污水生化處理的智能建模與優(yōu)化控制策略應用研究[D];華南理工大學;2010年

4 陳春雷;多尺度林業(yè)遙感數(shù)據(jù)融合技術(shù)的應用研究[D];北京林業(yè)大學;2011年

5 李鴻斌;面向目標跟蹤的移動無線傳感器協(xié)作算法研究[D];浙江大學;2010年

6 王忠軍;基于GIS的智能高速公路管理關(guān)鍵技術(shù)研究與實現(xiàn)[D];解放軍信息工程大學;2009年

7 章大勇;激光雷達/慣性組合導航系統(tǒng)的一致性與最優(yōu)估計問題研究[D];國防科學技術(shù)大學;2010年

8 劉義;對抗條件下被動雷達制導技術(shù)及效能評估方法研究[D];國防科學技術(shù)大學;2010年

9 趙志超;導彈防御雷達網(wǎng)數(shù)據(jù)融合技術(shù)研究[D];國防科學技術(shù)大學;2010年

10 曾慶虎;機械傳動系統(tǒng)關(guān)鍵零部件故障預測技術(shù)研究[D];國防科學技術(shù)大學;2010年

相關(guān)碩士學位論文 前10條

1 江民俊;彈上遙測系統(tǒng)若干關(guān)鍵智能傳感器信息測量及融合研究[D];南昌航空大學;2010年

2 張海峰;空間三維信息重構(gòu)與飛行器路徑規(guī)劃[D];山東科技大學;2010年

3 成志新;無氣泵動態(tài)血壓監(jiān)測系統(tǒng)設計[D];山東科技大學;2010年

4 裴銀肖;貝葉斯博弈信息融合模型及算法的研究和應用[D];鄭州大學;2010年

5 尚魏;多源日志安全信息的融合技術(shù)研究[D];哈爾濱工程大學;2010年

6 柴紅霞;移動機器人在SLAM中數(shù)據(jù)關(guān)聯(lián)方法的研究[D];大連理工大學;2010年

7 朱留軍;車輛導航系統(tǒng)中GPS/DR/MM組合定位技術(shù)的研究[D];遼寧工程技術(shù)大學;2009年

8 羅靜;自主式水下機器人同時定位與地圖構(gòu)建中的數(shù)據(jù)關(guān)聯(lián)算法研究[D];中國海洋大學;2010年

9 王敏;MTSAT衛(wèi)星云圖中對流初生的自動預報算法研究[D];中國海洋大學;2010年

10 陳善濤;基于ZigBee的移動目標追蹤系統(tǒng)QoS改進[D];浙江大學;2011年

，

本文編號：1436053