資源描述：
《多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、西安電子科技大學(xué)碩士學(xué)位論文多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法研究姓名：朱沛勝申請學(xué)位級(jí)別：碩士專業(yè)：電路與系統(tǒng)指導(dǎo)教師：楊萬海2001.1.1摘要jcI如53《5本文以易于理解的方式給出聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JPDA)算法一個(gè)清晰的數(shù)學(xué)描述，并提出基于回、溯剪枝技術(shù)拆分有效矩陣，以降低JPDA計(jì)算的時(shí)空復(fù)雜度。然后，本文利用模糊集合理論來建立跟蹤濾波器的模型。給出了一種多目標(biāo)跟蹤的模糊概率數(shù)據(jù)關(guān)聯(lián)方法，該方法在K時(shí)刻的回波集上定義一個(gè)目標(biāo)模糊集，表示回波與目標(biāo)之間的模糊關(guān)系。然后基于目標(biāo)模糊集，利用模糊最小均方誤差估計(jì)方法對(duì)目標(biāo)狀態(tài)作出估計(jì)。仿真結(jié)果表明：這
2、種方法具有較高的跟蹤精度，對(duì)雜波多目標(biāo)環(huán)境具有很好的魯棒性能?！娟P(guān)鍵詞】：多目標(biāo)跟蹤聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)回溯剪枝技術(shù)模糊概率數(shù)據(jù)關(guān)聯(lián)模糊隸屬函數(shù)．、Abstract7Fhispaperpresentsacomprehensiblemalhematicsdescriptl。【1。fthe30intprobablfisticdaiaassociation(JPDA)a[gorithm．Inordertoreducethetime—spacecomp[exityofcheJPI)Aatgorithm，themethodofdividingva]ida
3、tionm；ItrixbasedoHthe．backtrack—pruningzechniqueisproposedinthispaper．，Ihenweutilizethefuzzysettheorytoroodel!hetrackingfilter．Thefuzzyprobabtlistic(i“【aassociationofmultipletargetstrackingispresentedinthispaper，Whichdefineatarget—fuzzysetonthemeasurementsetattimekandthenu
4、sefuzzyleastmeansquareerrormethodtoestimatetargetstates．Simulationresultsshowthatouralgorithmisofhightrackingprecisionandisrobusttotheuncertaintyoftheclutterenvironmentandmultipletargets．[Keywords】：multitargettrackingjointprobabilisticdataassociationbacktrack--pruningtechn
5、iquefuzzysubjectionfunctionfuzzyprobabilistiedataassociation緒論緒論雷達(dá)警戒系統(tǒng)的關(guān)鍵功能之一是保持在其傳感器覆蓋范圍內(nèi)所有感興趣的目標(biāo)的航跡，而由于下列原因，使目標(biāo)跟蹤問題變得困難而富有挑戰(zhàn)性。(1)目標(biāo)可以在其航行期間的任何時(shí)刻以不均勻的速率加速或減速；(2)目標(biāo)可以在一個(gè)短周期內(nèi)實(shí)行高g機(jī)動(dòng)；(3)目標(biāo)在逐次掃描中未被探測到；(4)目標(biāo)是密集間隔的，由于雷達(dá)分辨力的緣故而多次丟失探測；(5)目標(biāo)有交叉航跡圖形。此外，由于不可避免的量測噪聲以及雜波干擾的存在而使目標(biāo)雷達(dá)回波不可
6、能是精確的或是虛警。多目標(biāo)跟蹤的基本概念首先由Wax在1955年提出。1964年，Sittler在包括數(shù)據(jù)關(guān)聯(lián)等內(nèi)容的多目標(biāo)跟蹤理論方面取得了開創(chuàng)性突破。之后，由Bar—Shalom和Singer所進(jìn)行的工作開始了現(xiàn)代多目標(biāo)跟蹤理論及其應(yīng)用研究的進(jìn)一步發(fā)展，其主要標(biāo)志是數(shù)據(jù)關(guān)聯(lián)與濾波理論的有機(jī)結(jié)合。此外，多目標(biāo)跟蹤系統(tǒng)還廣泛地應(yīng)用于彈道導(dǎo)彈防御，空中交通管制、防撞、導(dǎo)航及機(jī)器人視覺等。機(jī)動(dòng)多目標(biāo)跟蹤(MMTT--MultipleManeuveringTargetTracking)理論是運(yùn)用隨機(jī)統(tǒng)計(jì)決策，自適應(yīng)濾波、知識(shí)工程和神經(jīng)網(wǎng)絡(luò)等現(xiàn)代技
7、術(shù)，將探測器所接收到的信號(hào)數(shù)據(jù)分解為對(duì)應(yīng)于各種不確定機(jī)動(dòng)信息源所產(chǎn)生的不同觀測集合或軌跡，一旦軌跡被確認(rèn)，則被跟蹤的目標(biāo)的數(shù)日以及對(duì)應(yīng)于每一條運(yùn)動(dòng)軌跡的目標(biāo)狀態(tài)參數(shù)，如位置、速度和加速度等均可相應(yīng)地估計(jì)出來。MMTT問題包括許多方面，主要有機(jī)動(dòng)目標(biāo)模型與自適應(yīng)跟蹤算法、跟蹤門的形成、數(shù)據(jù)關(guān)聯(lián)、跟蹤維持、跟蹤起始與終結(jié)、漏報(bào)與虛警等。其中數(shù)據(jù)關(guān)聯(lián)是機(jī)動(dòng)多目標(biāo)跟蹤技術(shù)中最重要而又最困難的方面，本文的工作重點(diǎn)就是數(shù)據(jù)關(guān)聯(lián)技術(shù)。密集回波環(huán)境下單目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)的典型方法有；“最近鄰”方法、概率數(shù)據(jù)關(guān)聯(lián)濾波、“全鄰”最優(yōu)濾波等。密集回波環(huán)境下多目標(biāo)
8、跟蹤的數(shù)據(jù)關(guān)聯(lián)典型方法有：聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)濾波、多假設(shè)法、整數(shù)規(guī)劃法、高斯和法、軌跡分裂法等。聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)(JointProbabilisticDataAss。ciaiion
