本文關鍵詞：目標跟蹤與數(shù)據(jù)融合算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電子技術的飛速發(fā)展,目標跟蹤技術與數(shù)據(jù)融合技術在很多領域得到了廣泛的應用。目標跟蹤是雷達數(shù)據(jù)處理中的一個重要組成部分,其核心是濾波算法,因此,濾波算法的研究對于穩(wěn)定跟蹤有重要意義。數(shù)據(jù)融合的本質(zhì)是通過融合算法整合來自多個傳感器的信息,擴展系統(tǒng)的時空覆蓋率,提高系統(tǒng)的精度、可靠性以及信息利用率。本文針對目標跟蹤算法和數(shù)據(jù)融合算法展開研究。其中,數(shù)據(jù)融合為目標狀態(tài)估計級的數(shù)據(jù)融合,與目標跟蹤算法息息相關。首先研究了基本的線性目標跟蹤算法卡爾曼濾波(Kalman Filtering, KF)o然后針對觀測方程或狀態(tài)方程建立在非線性數(shù)學模型的情況,研究了非線性卡爾曼濾波(Extended Kalman Filtering, EKF)以及不敏卡爾曼濾波(Unscented Kalman Filtering, UKF)o通過仿真對EKF及UKF兩個非線性算法進行對比分析,驗證了UKF在非線性較強環(huán)境下有較好的跟蹤精度,而EKF在非線性不強的情況下跟蹤效果與UKF相當。其次,對目標跟蹤中涉及的數(shù)據(jù)關聯(lián)方法展開研究,其中包括概率數(shù)據(jù)關聯(lián)(Possibility Data Association, PDA)算法、聯(lián)合概率數(shù)據(jù)關聯(lián)(Joint Possibility Data Association, JPDA)算法與模糊C-均值(Fuzzy C-Means, FCM)聚類關聯(lián)算法。其中,PDA算法主要應用于單目標跟蹤,而JPDA算法及FCM算法主要應用于多目標跟蹤。本文通過仿真驗證了PDA算法在雜波環(huán)境下對單目標數(shù)據(jù)關聯(lián)的有效性；并對JPDA與FCM在目標交叉運動場景下的關聯(lián)性能進行了對比,驗證了FCM算法的收斂速度優(yōu)于JPDA算法,丟失率也相對較少,并且其運行時間更短。最后,根據(jù)融合系統(tǒng)的結構分別對集中式和分布式融合算法進行研究。對于集中式融合算法,研究了復合量測融合、序貫濾波融合和擴維濾波融合三種算法,通過仿真驗證了三種算法的有效性,并由結果分析得到：序貫濾波融合在數(shù)據(jù)不同步且傳感器較少的情況下融合效果最佳,但其耗時最長；復合量測融合在傳感器較多且實時性要求較高情況下融合效果最佳。分布式融合算法研究了加權協(xié)方差融合、自適應航跡融合和信息矩陣融合三種算法,通過仿真驗證了三種算法的有效性,并由結果分析得到：加權協(xié)方差融合與信息矩陣融合性能相當,均優(yōu)于自適應航跡融合；而自適應航跡融合的優(yōu)勢是耗時最少。
【關鍵詞】：目標跟蹤算法 非線性 多目標跟蹤 數(shù)據(jù)關聯(lián)算法 數(shù)據(jù)融合算法
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP202;TN957.52
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究發(fā)展及現(xiàn)狀11-14
• 1.2.1 目標跟蹤算法的發(fā)展和現(xiàn)狀11-13
• 1.2.2 數(shù)據(jù)融合算法的發(fā)展和現(xiàn)狀13-14
• 1.3 本文主要研究內(nèi)容14-15
• 第二章 目標跟蹤算法15-27
• 2.1 卡爾曼濾波15-17
• 2.2 擴展卡爾曼濾波17-19
• 2.3 不敏卡爾曼濾波19-22
• 2.3.1 UT變換(無味變換)19-20
• 2.3.2 UKF濾波過程20-22
• 2.4 仿真分析22-26
• 2.5 本章小結26-27
• 第三章 數(shù)據(jù)關聯(lián)算法27-46
• 3.1 概率數(shù)據(jù)關聯(lián)算法27-34
• 3.1.1 算法原理27-32
• 3.1.2 仿真分析32-34
• 3.2 聯(lián)合概率數(shù)據(jù)關聯(lián)算法34-41
• 3.2.1 算法原理34-39
• 3.2.2 仿真分析39-41
• 3.3 模糊聚類關聯(lián)算法41-45
• 3.3.1 算法原理41-43
• 3.3.2 仿真分析43-45
• 3.4 本章小結45-46
• 第四章 集中式數(shù)據(jù)融合算法46-58
• 4.1 基于復合量測點跡的數(shù)據(jù)融合算法46-49
• 4.2 基于序貫濾波的數(shù)據(jù)融合算法49-50
• 4.3 擴維濾波方法50-51
• 4.4 仿真分析51-57
• 4.5 本章小結57-58
• 第五章 分布式數(shù)據(jù)融合算法58-67
• 5.1 加權協(xié)方差航跡融合算法58-60
• 5.2 自適應航跡融合算法60-62
• 5.3 信息矩陣融合算法62-63
• 5.4 仿真分析63-66
• 5.5 本章小結66-67
• 第六章 結束語67-68
• 致謝68-69
• 參考文獻69-71

【參考文獻】

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 陳云峰;目標跟蹤中非線性濾波[D];南京理工大學;2007年

  本文關鍵詞：目標跟蹤與數(shù)據(jù)融合算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：397667