資源描述：
《多目標(biāo)跟蹤系統(tǒng)中數(shù)據(jù)關(guān)聯(lián)與多維分配技術(shù)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要隨著科學(xué)技術(shù)，特別是傳感器技術(shù)、計算機技術(shù)、信息技術(shù)等的飛速發(fā)展，現(xiàn)代跟蹤環(huán)境變得越來越復(fù)雜，現(xiàn)代跟蹤理論也在不斷發(fā)展和完善。數(shù)據(jù)關(guān)聯(lián)是目標(biāo)跟蹤尤其是多目標(biāo)跟蹤的關(guān)鍵技術(shù)，也一直是一個研究熱點。同時，圖象傳感器的諸多優(yōu)點使得圖象跟蹤技術(shù)迅速發(fā)展，是現(xiàn)代跟蹤的新特點。本文在對現(xiàn)代跟蹤技術(shù)進行全面分析的基礎(chǔ)上，對其中的幾個關(guān)鍵問題進行了深入的研究，主要工作如下：l長期以來，在聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)算法中，一直遵循一條可行性規(guī)則：一個回波(量測)只能來源于一個目標(biāo)，一個目標(biāo)也只能有～個回波。然而，在密集多回波環(huán)境和圖象跟蹤系統(tǒng)中，一個回波可能來源于多個目標(biāo)，一個目標(biāo)也可能產(chǎn)生
2、多個回波。因此，上述假設(shè)與實際情況不完全符合。本文提出一種更符合實際情況的新可行性規(guī)則，認為量測與目標(biāo)之間是多一多對應(yīng)關(guān)系，并據(jù)此提出由兩個廣義事件構(gòu)成廣義聯(lián)合事件的思想，利用貝葉斯公式給出了廣義概率數(shù)據(jù)關(guān)聯(lián)(GPDA)算法。理論分析表明，與JPDA算法相比，新算法不僅計算量大大減小，而且性能優(yōu)于JPDA。2．結(jié)合多目標(biāo)跟蹤，利用MonteCarlo仿真，在多個設(shè)定場景下對GPDA算法的性能進行了全面的分析。對一個量測對應(yīng)多個目標(biāo)的情景．考慮了目標(biāo)密集編隊和交叉時，傳感器由于分辨能力造成的不完全量測的情況。對一個目標(biāo)對應(yīng)多個量測的情景，考慮了利用成像傳感器對小目標(biāo)的跟蹤情況。并對
3、該算法的計算量及所需計算內(nèi)存進行了研究，仿真結(jié)果證實了理論分析的正確性。3．通過對運籌學(xué)中分配問題的標(biāo)準(zhǔn)模型及數(shù)據(jù)關(guān)聯(lián)所形成的多維分配模型進行比較分析，總結(jié)出了多維分配問題數(shù)學(xué)模型的統(tǒng)一表達形式。在此基礎(chǔ)上，利用代價矩陣對解矩陣進行變換，給出了三個“剪枝”定理，并對定理進行了詳細的理論證明。4．在上述基礎(chǔ)上，提出了多維分配問題的一種“剪枝”求解方法，并對該方法的“剪枝”機理及計算量進行了詳細分析。分析表明，該算法不但計算量小，而且易于計算機實現(xiàn)。5．應(yīng)用“剪枝”法對多站被動式多目標(biāo)跟蹤的多站回波與目標(biāo)配對的分配過程，西北工業(yè)大學(xué)博：L學(xué)位論文以及兩個關(guān)于成本資源分配算例進行了求解
4、，并對“剪枝”法的應(yīng)用進行了對比研究，結(jié)果表明“剪枝”法對多維分配問題的求解具有良好的實時性。6．將交互式多模型(IMM)與模糊邏輯技術(shù)相結(jié)合，提出基于圖象的模糊多模型跟蹤算法(IBFIMM)，給出了該算法的總體框架。該方法將圖象所提供的信息與傳統(tǒng)量測相結(jié)合構(gòu)成混合量測，將在IMM中所用的馬爾可夫轉(zhuǎn)移過程用模糊規(guī)則來代替，并用模糊方法來完成數(shù)據(jù)關(guān)聯(lián)。關(guān)鍵詞：多目標(biāo)跟蹤，數(shù)據(jù)關(guān)聯(lián)，廣義聯(lián)合事件，GPDA，多維分配，“剪枝”法模糊多模型跟蹤AbstractWiththedevelopmentofscienceandtechnology,especiallytherapiddevelo
5、pmentofsensortechnology,computertechnologyandinformationtechnology，modemtrackingenvironmentisbecomingmoreandmorecomplexandmodemtrackingtheoryisalsobeingdevelopedandimproved．Dataassociationisakeytechnologyoftargettracking，especiallyformultitargettracking，anditisalsoahotsubjectallalong．Atthesam
6、etime，theadvantagesofanimagingsensormakeimage—basedtrackingdeveloprapidlyAndimage—basedtrackingisanewsubjectofmoderntracking．Thisdissertationstudiessomekeyproblemsinmodemtrackingtechnology．Themaincontributionsareasfclllows：(1)Injointprobabilitydataassociation(JPDA)algorithm，eachretumcanbelong
7、toonlyonetarget，andeachtargetCanownonlyoneretum．However，indensemulti—retumenvironmentsandimage—basedtrackingsystems，areturnmaycomefrommultipletargets，andatargetmayproducemultipleretums．Sotheaboveassumptionisnotconformabletosuchacase．Consequen
