發(fā)布時(shí)間：2020-03-24 19:05

【摘要】：隨著雷達(dá)在軍事和民用領(lǐng)域應(yīng)用越來越廣,目標(biāo)跟蹤已經(jīng)成為雷達(dá)信號(hào)處理系統(tǒng)不可缺少的一部分。毫米波雷達(dá)因?yàn)榫哂懈叻直媛�、抗干擾能力強(qiáng)和全天候工作的特性,在民用領(lǐng)域有廣泛應(yīng)用前景。在智能交通系統(tǒng)中,車流量作為一個(gè)非常重要的數(shù)據(jù),主要通過攝像頭獲得。然而由于攝像頭對(duì)氣候比較敏感,在暴雨、大霧和霧霾等環(huán)境下檢測效果不理想,統(tǒng)計(jì)的車流量存在較大偏差。利用毫米波雷達(dá)和多目標(biāo)跟蹤技術(shù),可以進(jìn)行高精度車流量統(tǒng)計(jì)。因此,本文圍繞毫米波雷達(dá)多目標(biāo)跟蹤算法及其在車流量統(tǒng)計(jì)中的應(yīng)用進(jìn)行了研究,研究工作主要包括以下幾個(gè)方面:(1)介紹了毫米波雷達(dá)目標(biāo)運(yùn)動(dòng)模型,卡爾曼濾波(Kalman Filter,KF)理論及相關(guān)擴(kuò)展算法,包括線性卡爾曼濾波(Linear Kalman Filter,LKF)、擴(kuò)展卡爾曼濾波(Extended Kalman Filter,EKF)、不敏卡爾曼濾波(Unscented Kalman Filter,UKF)和自適應(yīng)不敏卡爾曼濾波(Adaptive Unscented Kalman Filter,AUKF)。對(duì)各種濾波算法進(jìn)行仿真并對(duì)比濾波性能,說明濾波器之間的區(qū)別。詳細(xì)介紹了跟蹤門和傳統(tǒng)雷達(dá)數(shù)據(jù)關(guān)聯(lián)算法,包括最近鄰數(shù)據(jù)關(guān)聯(lián)(Nearest Neighbor Data Association,NNDA)算法,概率數(shù)據(jù)關(guān)聯(lián)(Probabilistic Data Association,PD A)算法,并對(duì)算法進(jìn)行了仿真分析。(2)深入研究多目標(biāo)跟蹤算法,并構(gòu)建毫米波交通雷達(dá)的多目標(biāo)跟蹤系統(tǒng),包括點(diǎn)跡凝聚、航跡狀態(tài)管理、航跡起始和航跡維持等。對(duì)航跡維持進(jìn)行了重點(diǎn)研究。首先,提出一種改進(jìn)的最近鄰點(diǎn)跡與航跡關(guān)聯(lián),利用航跡狀態(tài)設(shè)置關(guān)聯(lián)優(yōu)先級(jí),先對(duì)穩(wěn)態(tài)航跡進(jìn)行關(guān)聯(lián),然后對(duì)其它狀態(tài)航跡進(jìn)行關(guān)聯(lián)。其次,針對(duì)在實(shí)測數(shù)據(jù)目標(biāo)跟蹤中,航跡出現(xiàn)中斷的現(xiàn)象,設(shè)計(jì)了航跡與航跡關(guān)聯(lián)算法,提高跟蹤穩(wěn)定性,并用實(shí)測數(shù)據(jù)進(jìn)行驗(yàn)證。由于改進(jìn)的最近鄰點(diǎn)跡與航跡關(guān)聯(lián)算法在點(diǎn)跡誤差比較大時(shí),依然會(huì)出現(xiàn)航跡中斷現(xiàn)象。最后,引入了改進(jìn)的PDA算法,提高跟蹤性能,并用雷達(dá)實(shí)測數(shù)據(jù)對(duì)系統(tǒng)進(jìn)行驗(yàn)證。從實(shí)測數(shù)據(jù)的處理結(jié)果可以看出,構(gòu)建的多目標(biāo)跟蹤系統(tǒng)可以對(duì)交通場景中的多目標(biāo)進(jìn)行穩(wěn)定跟蹤。(3)針對(duì)在智能交通中,車流量統(tǒng)計(jì)準(zhǔn)確率不高的問題,利用多目標(biāo)跟蹤技術(shù),提出一種新的車道識(shí)別和車流量統(tǒng)計(jì)方法。利用航跡長度判斷一條航跡是否為一個(gè)真實(shí)目標(biāo),對(duì)各個(gè)車道進(jìn)行流量統(tǒng)計(jì)。最后,對(duì)系統(tǒng)進(jìn)行道路實(shí)測,從實(shí)測的結(jié)果可以看出,雷達(dá)統(tǒng)計(jì)的車流量誤差只有5%,可以滿足實(shí)際應(yīng)用。
【圖文】：

一線性卡爾曼浦波結(jié)果

EKF濾波結(jié)果
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN957.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王法勝;魯明羽;趙清杰;袁澤劍;;粒子濾波算法[J];計(jì)算機(jī)學(xué)報(bào);2014年08期

2 魏偉;秦永元;張曉冬;張亞崇;;卡爾曼濾波系統(tǒng)和量測噪聲自適應(yīng)估計(jì)的關(guān)聯(lián)性[J];測控技術(shù);2012年12期

3 石勇;韓崇昭;;自適應(yīng)UKF算法在目標(biāo)跟蹤中的應(yīng)用[J];自動(dòng)化學(xué)報(bào);2011年06期

4 王尚斌;趙俊渭;李金明;;改進(jìn)Hopfield神經(jīng)網(wǎng)絡(luò)JPDA算法研究[J];計(jì)算機(jī)仿真;2009年08期

5 簡濤;徐向東;張莉;韓正國;;基于質(zhì)量中心算法的兩種點(diǎn)跡凝聚算法[J];空軍雷達(dá)學(xué)院學(xué)報(bào);2009年01期

6 趙艷秋;劉桂香;王廣義;;環(huán)形線圈車輛檢測器的研究[J];微計(jì)算機(jī)信息;2007年20期

7 趙艷麗;林輝;趙鋒;王雪松;王國玉;;多目標(biāo)跟蹤中的數(shù)據(jù)關(guān)聯(lián)和航跡管理[J];現(xiàn)代雷達(dá);2007年03期

8 譚曉軍,沈偉,郭志豪;一種基于視頻的道路交通流量監(jiān)測方法[J];計(jì)算機(jī)應(yīng)用;2005年05期

9 潘泉,葉西寧,張洪才;廣義概率數(shù)據(jù)關(guān)聯(lián)算法[J];電子學(xué)報(bào);2005年03期

10 朱明旱,羅大庸,曹倩霞;幀間差分與背景差分相融合的運(yùn)動(dòng)目標(biāo)檢測算法[J];計(jì)算機(jī)測量與控制;2005年03期

，

本文編號(hào)：2598731