發(fā)布時間：2021-01-19 01:37

　　多目標(biāo)跟蹤（Multi-Target Tracking,MTT）技術(shù)一直是跟蹤領(lǐng)域的一個重要課題。隨機(jī)有限集（Random Finite Set,RFS）的發(fā)展促進(jìn)了基于RFS跟蹤算法的研究。其中,概率假設(shè)密度（Probability Hypothesis Density,PHD）濾波是其中一種非常重要的算法,對其濾波結(jié)果進(jìn)行平滑處理后可獲得更精確的多目標(biāo)狀態(tài)估計。帶標(biāo)簽箱粒子濾波算法是近年來提出的一種新算法,用來提高運(yùn)算效率等跟蹤性能。本文在PHD算法的基礎(chǔ)上,重點(diǎn)研究了箱粒子PHD濾波,帶標(biāo)簽PHD平滑和帶標(biāo)簽箱粒子PHD平滑算法,主要工作如下:（1）研究了箱粒子PHD濾波算法。首先給出了 PHD的高斯實現(xiàn)——高斯混合概率假設(shè)密度（Gaussian Mixture Probability Hypothesis Density,GM-PHD）濾波算法。針對量測不確定性和計算強(qiáng)度大等問題。采用區(qū)間分析原理,在量測更新時用箱粒子代替?zhèn)鹘y(tǒng)的點(diǎn)量測去擬合目標(biāo)的后驗概率密度,從而進(jìn)行濾波處理。通過MATLAB仿真實驗驗證,該算法能有效地解決由于高維積分運(yùn)算導(dǎo)致的計算負(fù)擔(dān)大的問題。（2）研究了帶... 

【文章來源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．２多目標(biāo)標(biāo)簽標(biāo)識示意圖??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｍｕｌｔｉ－ｔａｒｇｅｔ?ｌａｂｅｌ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ??２．２目不，１，

對周圍一小部分區(qū)域有影響，??一般像素點(diǎn)越接近目標(biāo)的真實位置，其測量強(qiáng)度就越大。在考慮噪聲的情況下，目標(biāo)會??淹沒在背景噪聲中。傳統(tǒng)濾波考慮某單元的強(qiáng)度大小，會增加很多由外部干擾產(chǎn)生的虛??警，本章采用區(qū)間量測的方式，用局部區(qū)域代替點(diǎn)量測會降低虛警帶來的影響。首先基??于區(qū)間分析的原理，用一個矩形區(qū)域來表示量測目標(biāo)。在量測更新階段，將己劃分好的??劃分單元通過包含函數(shù)的方法轉(zhuǎn)化成一個包含著劃分單元內(nèi)所有量測值的最小矩形區(qū)??域，從而實現(xiàn)對目標(biāo)進(jìn)行跟蹤。基于區(qū)間分析的多目標(biāo)量測示意圖如圖３．１所示。??★一?？?？★魯?？★魯??？?？?？?１?？?？?？??傳統(tǒng)目？標(biāo)量測?多目標(biāo)量測?量測包含箱??＋目標(biāo)?參量測?口量測包含箱??圖３．１目標(biāo)量測示意圖??Ｆｉｇ．?３．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔａｒｇｅｔ?ｍｅａｓｕｒｅｍｅｎｔ??－１９－??

?大連海事大學(xué)專業(yè)學(xué)位碩士學(xué)位論文???Ｉ?開始?）???±???獲取目標(biāo)的初??始狀態(tài)??新生箱粒子策?？！??Ｘ??????Ｔ???＾?＾?強(qiáng)度?基于箱粒于??值濾?Ｌ?；測?｜?ＰＨＤ預(yù)測??波抑??＿嗓?「？－?＿??聲??？選取區(qū)間５度一一一＾??Ｉ?Ｉ?｜?｜?ＰＨＤ更新?否???Ｊ???估計目標(biāo)狀態(tài)??和目標(biāo)數(shù)目??▼??基于箱粒子??ＰＨＤ１：采樣??▼??設(shè)，??是??▼??（結(jié)束＇）??圖３．３箱粒子ＰＨＤ算法流程??Ｆｉｇ．?３．３?Ｂｏｘ?ｐａｒｔｉｃｌｅ?ＰＨＤ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ??－２３－??


本文編號：2986073