本文關(guān)鍵詞：多目標(biāo)粒子濾波檢測前跟蹤算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：檢測前跟蹤(TBD)由于對目標(biāo)信號進(jìn)行多幀聯(lián)合處理和積累,使其對微弱目標(biāo)的檢測和跟蹤性能相比于傳統(tǒng)的檢測后跟蹤(DBT)得到顯著提高,成為當(dāng)代雷達(dá)信號處理方向研究的熱點(diǎn)。粒子濾波算法是TBD技術(shù)實(shí)現(xiàn)的一種性能較好的算法,該算法因具有解決非線性非高斯跟蹤問題的優(yōu)點(diǎn)而受到廣泛的關(guān)注。然而,基于粒子濾波的TBD算法研究時(shí)間尚短,還有許多技術(shù)問題未解決,例如:合適且有效的多目標(biāo)粒子濾波算法;跟蹤過程中臨近目標(biāo)相互干擾問題;算法計(jì)算量隨跟蹤目標(biāo)數(shù)呈指數(shù)增長導(dǎo)致計(jì)算量爆炸問題等。本論文針對上述問題,研究了多目標(biāo)粒子濾波TBD跟蹤算法,主要做了以下研究工作:1.針對多目標(biāo)情況,研究了基于貝葉斯理論的“雙層”多目標(biāo)粒子濾波算法,該算法具有起始新目標(biāo)、維持目標(biāo)跟蹤、刪除消失目標(biāo)的功能,從而能成功跟蹤目標(biāo)數(shù)目未知且時(shí)變的場景。2.針對多目標(biāo)粒子濾波計(jì)算量隨目標(biāo)數(shù)呈指數(shù)增長的問題,研究了基于獨(dú)立分區(qū)(IP-PF)的TBD算法,該算法通過將高維度的多目標(biāo)聯(lián)合采樣降維成為多個(gè)單目標(biāo)采樣,從而使得計(jì)算量與目標(biāo)數(shù)線性相關(guān);針對目標(biāo)臨近相互干擾的問題,研究了基于平行分區(qū)(PP-PF)和聯(lián)合最優(yōu)采樣(JOID-PF)的TBD算法,這些算法綜合考慮了臨近目標(biāo)之間的影響,能很好解決相互干擾的情況。3.針對粒子濾波跟蹤過程中粒子數(shù)固定而不能匹配場景目標(biāo)數(shù)變化的問題,提出了一種基于對數(shù)似然比的自適應(yīng)粒子數(shù)粒子濾波TBD算法(LLBA-PF-TBD),該算法通過似然函數(shù)的計(jì)算優(yōu)化了粒子濾波更新過程,能自適應(yīng)的選擇匹配環(huán)境特性的粒子數(shù)目改善跟蹤效率和性能。4.針對粒子濾波計(jì)算量大的問題,提出了一種基于庫爾貝克萊伯勒距離的自適應(yīng)粒子數(shù)粒子濾波TBD算法(KLD-PF-TBD),該算法利用先驗(yàn)概率和后驗(yàn)概率的差異大小決定粒子數(shù)的多少,從而達(dá)到減少計(jì)算量的目的。通過仿真實(shí)驗(yàn)驗(yàn)證了上述所有算法的有效性,證明了LLBA-PF-TBD和KLD-PF-TBD算法能在目標(biāo)臨近和機(jī)動(dòng)目標(biāo)轉(zhuǎn)彎時(shí),自適應(yīng)地增大跟蹤的粒子數(shù),以應(yīng)對目標(biāo)狀態(tài)不確定性增大的問題。
【關(guān)鍵詞】：檢測前跟蹤 多目標(biāo)跟蹤 粒子濾波
【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】：TN957.51

  本文關(guān)鍵詞：多目標(biāo)粒子濾波檢測前跟蹤算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：324558