本文關(guān)鍵詞：粒子濾波目標跟蹤及TBD算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著現(xiàn)代作戰(zhàn)環(huán)境的日益復(fù)雜,低信噪比下的目標檢測以及目標跟蹤中的非線性問題逐漸突顯,這使得傳統(tǒng)的跟蹤和檢測方法越來越難以滿足需求,迫切需要能夠解決這些問題的新的目標跟蹤和檢測算法。檢測前跟蹤(Track Before Detect,TBD)算法經(jīng)過多幀數(shù)據(jù)積累后按照某種規(guī)則進行檢測判決,檢測到目標存在就能同時給出跟蹤結(jié)果,這樣可以很好地解決低信噪比下的目標檢測問題。粒子濾波(Particle Filter,PF)是一種針對非線性系統(tǒng)的貝葉斯遞歸濾波算法,粒子的權(quán)重還可以用來構(gòu)造似然比,這些特點使得粒子濾波可以完整地進行目標檢測和跟蹤。因此,本文將對基于粒子濾波的目標跟蹤和TBD算法展開研究,主要內(nèi)容為:1、研究了粒子濾波的目標跟蹤算法及其性能評估。首先研究了標準粒子濾波(Standard PF,SPF)算法,然后針對其中的粒子退化問題,研究了利用局部線性化近似得到最佳重要性函數(shù)和改善重采樣的改進的粒子濾波算法(improved PF,IPF)。除采用常規(guī)性能評估方法外,還研究了KLD(Kullback Leibler Divergence)評估方法,以便更加全面地對粒子濾波算法進行性能評估。2、研究了三種基于粒子濾波的TBD算法及性能討論。標準的PF-TBD算法通過將粒子分為死亡粒子和存活粒子構(gòu)成一種混合狀態(tài)估計,從而形成完整的跟蹤檢測體系;優(yōu)效的PF-TBD算法在標準算法基礎(chǔ)上只關(guān)注存活粒子,更加有效地利用粒子信息;基于似然比檢測的PF-TBD算法利用似然比進行檢測,區(qū)別于前兩種算法利用目標存在概率進行檢測。在仿真實驗中,首先通過對比檢測概率和虛警概率,確定三種算法的最佳檢測門限,然后再橫向?qū)Ρ热N算法的檢測性能,以便確定三種算法檢測性能的優(yōu)劣關(guān)系。3、針對RAM(Rocket Artillery Mortar)類目標,首先建立了這類目標的運動狀態(tài)模型。考慮到這類目標的運動狀態(tài)可以采用單個模型進行描述,因此,首先采用SPF算法對該目標進行跟蹤;同時基于前面的結(jié)論,進一步采用IPF算法對其進行跟蹤。仿真結(jié)果表明,粒子濾波算法可以有效實現(xiàn)RAM類目標跟蹤,同時基于IPF算法的RAM類目標跟蹤算法跟蹤性能優(yōu)于基于SPF算法的。4、針對雷達目標的檢測前跟蹤,這里首先給出適用于TBD處理的基本雷達觀測模型,然后充分考慮到實際目標可能存在的機動特性,首先對多模型粒子濾波(Multiple Model PF,MMPF)算法展開研究,然后采用基于MMPF的TBD算法實現(xiàn)對雷達目標的檢測和跟蹤,最后在仿真實驗中分別對MMPF算法和基于MMPF的TBD算法進行了驗證。
【關(guān)鍵詞】：粒子濾波 檢測前跟蹤 Kullback-Leibler距離 RAM類目標跟蹤
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TN953

  本文關(guān)鍵詞：粒子濾波目標跟蹤及TBD算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：277106