基于隨機(jī)超曲面的多擴(kuò)展目標(biāo)跟蹤及性能評(píng)價(jià)指標(biāo)研究
發(fā)布時(shí)間:2023-04-16 15:07
隨著傳感器性能的不斷提高,一個(gè)目標(biāo)不再只產(chǎn)生一個(gè)量測(cè),且每個(gè)目標(biāo)對(duì)應(yīng)的多個(gè)量測(cè)在用于對(duì)目標(biāo)跟蹤的同時(shí)還能提供該目標(biāo)的形狀等信息,擴(kuò)展目標(biāo)跟蹤在目標(biāo)跟蹤領(lǐng)域的重要性日益凸顯,因此對(duì)擴(kuò)展目標(biāo)跟蹤的研究具有重要的理論意義和實(shí)用價(jià)值。由于隨機(jī)集濾波能夠有效避免數(shù)據(jù)關(guān)聯(lián),已成為擴(kuò)展目標(biāo)跟蹤領(lǐng)域的主流方法。發(fā)揮PHD濾波在擴(kuò)展目標(biāo)跟蹤中的優(yōu)勢(shì),基于橢圓隨機(jī)超曲面方法,對(duì)多擴(kuò)展目標(biāo)質(zhì)心進(jìn)行跟蹤的同時(shí)使用橢圓去估計(jì)其擴(kuò)展形狀是本文的主要工作:首先針對(duì)擴(kuò)展目標(biāo)跟蹤問題,介紹了隨機(jī)集理論框架下的概率假設(shè)密度(PHD)濾波及擴(kuò)展目標(biāo)概率假設(shè)密度(ET-PHD)濾波,然后討論了兩種擴(kuò)展目標(biāo)中常用的兩種量測(cè)劃分方法:距離劃分與均值偏移劃分(MS),并通過仿真實(shí)驗(yàn)表明MS方法具有更好的量測(cè)劃分精度;其后給出了ET-PHD的高斯混合(GM)實(shí)現(xiàn)形式及序貫蒙特卡洛(SMC)實(shí)現(xiàn)形式。在此基礎(chǔ)上,結(jié)合橢圓隨機(jī)超曲面(RHM),實(shí)現(xiàn)了MS-ET-PHD對(duì)擴(kuò)展目標(biāo)擴(kuò)展形狀的估計(jì),該算法利用橢圓RHM形狀參數(shù)與運(yùn)動(dòng)參數(shù)能夠直接參與濾波更新的特點(diǎn),并給出兩種實(shí)現(xiàn)方法,分別是基于橢圓RHM的MS-ET-GM-PHD濾波及MS-E...
【文章頁數(shù)】:76 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 多目標(biāo)跟蹤技術(shù)
1.2.2 多擴(kuò)展目標(biāo)跟蹤技術(shù)
1.2.3 機(jī)動(dòng)目標(biāo)跟蹤
1.3 論文章節(jié)安排
第二章 基于隨機(jī)集的多擴(kuò)展目標(biāo)跟蹤理論基礎(chǔ)
2.1 引言
2.2 基于隨機(jī)集的概率假設(shè)密度濾波
2.2.1 隨機(jī)有限集理論
2.2.2 概率假設(shè)密度濾波
2.3 基于隨機(jī)集的多擴(kuò)展目標(biāo)跟蹤算法
2.3.1 擴(kuò)展目標(biāo)基礎(chǔ)理論
2.3.2 基于隨機(jī)集多擴(kuò)展目標(biāo)跟蹤算法
2.4 仿真實(shí)驗(yàn)
2.5 本章小結(jié)
第三章 基于隨機(jī)超曲面的多擴(kuò)展目標(biāo)跟蹤
3.1 引言
3.2 隨機(jī)超曲面模型
3.2.1 通用化的隨機(jī)超曲面
3.2.2 橢圓隨機(jī)超曲面
3.3 基于橢圓隨機(jī)超曲面的PHD濾波
3.3.1 基于橢圓RHM的ET-GM-PHD濾波
3.3.2 基于橢圓RHM的ET-SMC-PHD濾波
3.4 仿真實(shí)驗(yàn)與分析
3.4.1 基于隨機(jī)集的性能評(píng)價(jià)指標(biāo)
3.4.2 仿真實(shí)驗(yàn)
3.5 本章小結(jié)
第四章 多擴(kuò)展目標(biāo)的機(jī)動(dòng)跟蹤及性能評(píng)價(jià)指標(biāo)
4.1 引言
4.2 交互多模型下的多機(jī)動(dòng)目標(biāo)跟蹤
4.2.1 交互多模型粒子濾波
4.2.2 交互多模型SMC-PHD濾波
4.3 交互多模型下的多擴(kuò)展目標(biāo)跟蹤
4.4 橢圓形狀估計(jì)下的性能評(píng)價(jià)指標(biāo)
4.4.1 IOU性能評(píng)價(jià)指標(biāo)
4.4.2 一種新的性能評(píng)價(jià)指標(biāo)
4.5 仿真實(shí)驗(yàn)與分析
4.5.1 機(jī)動(dòng)擴(kuò)展目標(biāo)運(yùn)動(dòng)模型參數(shù)設(shè)置
4.5.2 仿真實(shí)驗(yàn)
4.6 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
致謝
作者簡介
本文編號(hào):3791488
【文章頁數(shù)】:76 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
1.1 研究背景和意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 多目標(biāo)跟蹤技術(shù)
1.2.2 多擴(kuò)展目標(biāo)跟蹤技術(shù)
1.2.3 機(jī)動(dòng)目標(biāo)跟蹤
1.3 論文章節(jié)安排
第二章 基于隨機(jī)集的多擴(kuò)展目標(biāo)跟蹤理論基礎(chǔ)
2.1 引言
2.2 基于隨機(jī)集的概率假設(shè)密度濾波
2.2.1 隨機(jī)有限集理論
2.2.2 概率假設(shè)密度濾波
2.3 基于隨機(jī)集的多擴(kuò)展目標(biāo)跟蹤算法
2.3.1 擴(kuò)展目標(biāo)基礎(chǔ)理論
2.3.2 基于隨機(jī)集多擴(kuò)展目標(biāo)跟蹤算法
2.4 仿真實(shí)驗(yàn)
2.5 本章小結(jié)
第三章 基于隨機(jī)超曲面的多擴(kuò)展目標(biāo)跟蹤
3.1 引言
3.2 隨機(jī)超曲面模型
3.2.1 通用化的隨機(jī)超曲面
3.2.2 橢圓隨機(jī)超曲面
3.3 基于橢圓隨機(jī)超曲面的PHD濾波
3.3.1 基于橢圓RHM的ET-GM-PHD濾波
3.3.2 基于橢圓RHM的ET-SMC-PHD濾波
3.4 仿真實(shí)驗(yàn)與分析
3.4.1 基于隨機(jī)集的性能評(píng)價(jià)指標(biāo)
3.4.2 仿真實(shí)驗(yàn)
3.5 本章小結(jié)
第四章 多擴(kuò)展目標(biāo)的機(jī)動(dòng)跟蹤及性能評(píng)價(jià)指標(biāo)
4.1 引言
4.2 交互多模型下的多機(jī)動(dòng)目標(biāo)跟蹤
4.2.1 交互多模型粒子濾波
4.2.2 交互多模型SMC-PHD濾波
4.3 交互多模型下的多擴(kuò)展目標(biāo)跟蹤
4.4 橢圓形狀估計(jì)下的性能評(píng)價(jià)指標(biāo)
4.4.1 IOU性能評(píng)價(jià)指標(biāo)
4.4.2 一種新的性能評(píng)價(jià)指標(biāo)
4.5 仿真實(shí)驗(yàn)與分析
4.5.1 機(jī)動(dòng)擴(kuò)展目標(biāo)運(yùn)動(dòng)模型參數(shù)設(shè)置
4.5.2 仿真實(shí)驗(yàn)
4.6 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
致謝
作者簡介
本文編號(hào):3791488
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3791488.html
最近更新
教材專著