本文關(guān)鍵詞：多傳感器組網(wǎng)機(jī)動(dòng)目標(biāo)跟蹤算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：多源信息融合技術(shù)是對(duì)來自多個(gè)信息源的數(shù)據(jù)和信息進(jìn)行綜合處理,以獲得對(duì)目標(biāo)的準(zhǔn)確描述與估計(jì)。通過在多源信息融合系統(tǒng)中引入資源管理,構(gòu)建信息融合系統(tǒng)的多級(jí)閉環(huán)結(jié)構(gòu),可提高系統(tǒng)的性能。針對(duì)隱身目標(biāo)等具有的機(jī)動(dòng)特性,結(jié)合在線更新模型集合的思想設(shè)計(jì)了一種基于單傳感器的變結(jié)構(gòu)多模型算法,在此基礎(chǔ)上實(shí)現(xiàn)了基于Rényi信息增量的多雷達(dá)組網(wǎng)協(xié)同跟蹤算法,并對(duì)傳感器網(wǎng)絡(luò)下的兩種分布式目標(biāo)跟蹤算法進(jìn)行了仿真分析。本文主要內(nèi)容安排如下:首先,闡述了本文的研究背景及意義,對(duì)多傳感器組網(wǎng)機(jī)動(dòng)目標(biāo)協(xié)同跟蹤算法和分布式目標(biāo)跟蹤算法的研究現(xiàn)狀進(jìn)行了綜述,并介紹了機(jī)動(dòng)目標(biāo)跟蹤的相關(guān)理論與方法。其次,設(shè)計(jì)了基于混合網(wǎng)格和Rényi信息增量的機(jī)動(dòng)目標(biāo)協(xié)同跟蹤方法。針對(duì)變結(jié)構(gòu)多模型算法中目標(biāo)運(yùn)動(dòng)模式估計(jì)不準(zhǔn)確和目標(biāo)加速度突變的情況,采用基于“當(dāng)前”統(tǒng)計(jì)模型的混合網(wǎng)格多模型算法,并引入漸消因子對(duì)加速度極值進(jìn)行修正,提出了一種改進(jìn)的基于“當(dāng)前”統(tǒng)計(jì)模型和混合網(wǎng)格多模型算法的機(jī)動(dòng)目標(biāo)跟蹤算法,仿真結(jié)果表明了算法的有效性。在此基礎(chǔ)上,針對(duì)多雷達(dá)組網(wǎng)環(huán)境下的機(jī)動(dòng)目標(biāo)非線性觀測(cè)問題,設(shè)計(jì)了一種基于Rényi信息增量的多雷達(dá)組網(wǎng)機(jī)動(dòng)目標(biāo)協(xié)同跟蹤算法。首先結(jié)合“當(dāng)前”統(tǒng)計(jì)模型和交互式多模型不敏卡爾曼濾波算法設(shè)計(jì)了一種變結(jié)構(gòu)多模型算法進(jìn)行機(jī)動(dòng)目標(biāo)的狀態(tài)估計(jì);然后以Rényi信息增量作為評(píng)價(jià)準(zhǔn)則,選擇使Rényi信息增量最大的單個(gè)傳感器進(jìn)行目標(biāo)跟蹤;最后利用得到的最優(yōu)加速度估計(jì)進(jìn)行網(wǎng)格劃分,更新變結(jié)構(gòu)多模型中的模型集合。仿真結(jié)果表明,該算法能夠合理地選擇傳感器,提高對(duì)機(jī)動(dòng)目標(biāo)的跟蹤精度。在基于HLA的多雷達(dá)組網(wǎng)仿真軟件平臺(tái)下進(jìn)行了移植和仿真測(cè)試。再次,比較分析了兩種分布式目標(biāo)跟蹤算法的性能,包括分布式一致性卡爾曼濾波算法和分布式粒子濾波算法,仿真結(jié)果表明,該算法可以實(shí)現(xiàn)對(duì)目標(biāo)的一致性跟蹤。最后,對(duì)本文的研究工作進(jìn)行了總結(jié)與展望。
【關(guān)鍵詞】：機(jī)動(dòng)目標(biāo)跟蹤 傳感器管理 協(xié)同跟蹤 多雷達(dá)組網(wǎng) 一致性濾波器
【學(xué)位授予單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN953;TP212
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-19
• 1.1 研究背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-17
• 1.2.1 多傳感器組網(wǎng)機(jī)動(dòng)目標(biāo)協(xié)同跟蹤研究現(xiàn)狀12-15
• 1.2.2 分布式目標(biāo)跟蹤研究現(xiàn)狀15-17
• 1.3 本文主要研究?jī)?nèi)容及章節(jié)安排17-19
• 第二章 機(jī)動(dòng)目標(biāo)跟蹤相關(guān)理論與方法19-26
• 2.1 引言19
• 2.2 目標(biāo)運(yùn)動(dòng)模型19-22
• 2.2.1 CV和CA模型20
• 2.2.2“當(dāng)前”統(tǒng)計(jì)模型20-21
• 2.2.3 協(xié)同轉(zhuǎn)彎模型21-22
• 2.3 多模型目標(biāo)跟蹤算法22-25
• 2.3.1 交互式多模型算法22-24
• 2.3.2 變結(jié)構(gòu)多模型算法24-25
• 2.4 本章小結(jié)25-26
• 第三章 基于混合網(wǎng)格和Rényi信息增量的機(jī)動(dòng)目標(biāo)協(xié)同跟蹤算法26-47
• 3.1 引言26
• 3.2 基于“當(dāng)前”統(tǒng)計(jì)模型的混合網(wǎng)格多模型算法26-28
• 3.3 基于改進(jìn)CSHGMM的機(jī)動(dòng)目標(biāo)跟蹤算法28-33
• 3.3.1 基于STF的“當(dāng)前”統(tǒng)計(jì)模型及其自適應(yīng)跟蹤算法28-29
• 3.3.2 仿真分析29-33
• 3.4 基于Rényi信息增量的雷達(dá)組網(wǎng)機(jī)動(dòng)目標(biāo)協(xié)同跟蹤算法33-43
• 3.4.1 結(jié)合“當(dāng)前”統(tǒng)計(jì)模型和IMMUKF的變結(jié)構(gòu)多模型算法34-35
• 3.4.2 基于Rényi信息增量的雷達(dá)組網(wǎng)協(xié)同跟蹤算法35-36
• 3.4.3 仿真分析36-43
• 3.5 基于HLA的多雷達(dá)組網(wǎng)仿真平臺(tái)算法測(cè)試43-45
• 3.6 結(jié)論45-47
• 第四章 分布式目標(biāo)跟蹤算法比較研究47-58
• 4.1 引言47
• 4.2 一致性方法概述47-50
• 4.2.1 傳感器網(wǎng)絡(luò)建模47-48
• 4.2.2 一致性濾波器48-50
• 4.3 分布式一致性卡爾曼濾波算法50-54
• 4.3.1 卡爾曼濾波算法50-51
• 4.3.2 分布式一致性卡爾曼濾波算法51-52
• 4.3.3 仿真分析52-54
• 4.4 分布式粒子濾波算法54-57
• 4.4.1 算法原理描述54-55
• 4.4.2 仿真分析55-57
• 4.5 本章小結(jié)57-58
• 第五章 總結(jié)和展望58-60
• 5.1 總結(jié)58
• 5.2 展望58-60
• 致謝60-61
• 參考文獻(xiàn)61-66
• 附錄66

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國(guó)外電子測(cè)量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

5 陳愛華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

6 牛長(zhǎng)鋒;劉玉樹;;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國(guó)峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J];紅外與激光工程;2004年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過程控制會(huì)議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無;王磊;李正東;;紅外/雷達(dá)雙傳感器融合目標(biāo)跟蹤算法[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

10 張濤;費(fèi)樹岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 胡子軍;基于隨機(jī)有限集的雷達(dá)多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 王保憲;復(fù)雜背景下的視頻目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2016年

3 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

4 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

5 田浩;基于核函數(shù)的目標(biāo)跟蹤算法研究[D];長(zhǎng)安大學(xué);2016年

6 盧建國(guó);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

7 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

8 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

9 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

10 邱雪娜;基于視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法及其在移動(dòng)機(jī)器人中的應(yīng)用[D];華東理工大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D];陜西科技大學(xué);2015年

3 閆俊強(qiáng);基于圖像的空中目標(biāo)跟蹤算法研究[D];中北大學(xué);2016年

4 陳萍;視覺目標(biāo)跟蹤算法研究[D];東南大學(xué);2015年

5 呂國(guó)宏;視頻中運(yùn)動(dòng)目標(biāo)跟蹤算法及其改進(jìn)策略研究[D];中北大學(xué);2016年

6 江夢(mèng)茜;復(fù)雜條件下的擴(kuò)展/群目標(biāo)跟蹤算法研究[D];西安工程大學(xué);2016年

7 趙璐璐;基于相關(guān)濾波的目標(biāo)跟蹤算法研究[D];北方工業(yè)大學(xué);2016年

8 鮑丙計(jì);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];安徽大學(xué);2016年

9 蔣小莉;基于壓縮粒子濾波的改進(jìn)目標(biāo)跟蹤算法研究[D];安徽大學(xué);2016年

10 徐少飛;基于循環(huán)核矩陣的自適應(yīng)目標(biāo)跟蹤算法研究[D];安徽大學(xué);2016年

  本文關(guān)鍵詞：多傳感器組網(wǎng)機(jī)動(dòng)目標(biāo)跟蹤算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：469296