概率假設(shè)密度濾波算法及其在多目標(biāo)跟蹤中應(yīng)用的論文

《概率假設(shè)密度濾波算法及其在多目標(biāo)跟蹤中應(yīng)用的論文》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、哈爾濱：[程大學(xué)博士學(xué)位論文；；；；；====；；；；；；；；；；；；；；；=；；=；；；；；；；=；；；；；；；；；；；；；；；===；；；；；；；；摘要隨著多目標(biāo)跟蹤理論的日益成熟與深入，多目標(biāo)跟蹤技術(shù)已經(jīng)從軍事領(lǐng)域的應(yīng)用擴(kuò)展到民用領(lǐng)域，解決多目標(biāo)跟蹤問題的算法也隨之層出不窮。經(jīng)典的數(shù)據(jù)關(guān)聯(lián)算法對于簡單的民用領(lǐng)域具有良好的應(yīng)用效果，但對于為獲取最理想的作戰(zhàn)效果，需要對監(jiān)控區(qū)域內(nèi)的每個(gè)目標(biāo)進(jìn)行實(shí)時(shí)準(zhǔn)確地跟蹤與定位的現(xiàn)代復(fù)雜的軍事作戰(zhàn)系統(tǒng)來說已顯得力不從心，因此目標(biāo)跟蹤算法的研究仍具有的重要的理論意義和應(yīng)用價(jià)值。Mahler．R所提出的基于隨機(jī)集理論的概率假設(shè)密度(probabil

2、ityhypothesisDensity，PHD)濾波多目標(biāo)跟蹤算法，突破了傳統(tǒng)的數(shù)據(jù)關(guān)聯(lián)方法，具有嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)，大大降低了計(jì)算量，并具有估計(jì)精度高、易于實(shí)現(xiàn)等優(yōu)點(diǎn)，開拓了多目標(biāo)跟蹤的研究領(lǐng)域。本文在此進(jìn)基礎(chǔ)上進(jìn)行了深入研究，主要內(nèi)容如下：(1)介紹了幾種經(jīng)典的多目標(biāo)跟蹤方法，如Bayes濾波，Kalman濾波以及粒子濾波。在隨機(jī)集理論的基礎(chǔ)上建立了Bayes遞推多目標(biāo)跟蹤模型。對目前適用于PHD濾波性能的評估指標(biāo)進(jìn)行比較分析，確定適合本文所研究的濾波性能評估方法。為后續(xù)的課題研究奠定了理論基礎(chǔ)。(2)對隨機(jī)集理論在多目標(biāo)跟蹤應(yīng)用中的可行性進(jìn)行分析，給出了PHD濾波算法和CP

3、HD濾波算法及其粒子濾波實(shí)現(xiàn)和高斯混合濾波實(shí)現(xiàn)。分析了基于隨機(jī)集理論的多目標(biāo)跟蹤濾波算法各自的優(yōu)缺點(diǎn)及適用的環(huán)境與范圍，并且針對這些問題做出改進(jìn)。(3)針對高斯混合概率假設(shè)密度(GM．PHD)濾波算法在強(qiáng)雜波存在的情況下會(huì)出現(xiàn)對目標(biāo)明顯漏跟及誤跟現(xiàn)象，以及計(jì)算量會(huì)隨著雜波強(qiáng)度的增加而增加的問題，提出了基于核密度估計(jì)的高斯混合概率假設(shè)密度濾波算法。該算法在高斯混合PHD濾波算法的剪枝、合并步驟之后引入核密度估計(jì)理論的Mean．shift算法，對高斯混合PHD分布密度函數(shù)進(jìn)行核密度估計(jì)，取代了高斯混合PHD濾波算法中的狀態(tài)估計(jì)方法，選擇估計(jì)后得到的峰值作為目標(biāo)狀態(tài)估計(jì)值，很好地達(dá)到了排

4、除強(qiáng)雜波干擾、提高跟蹤精度、降低運(yùn)算量的目的。(4)針對粒子PHD濾波估計(jì)精度不高，濾波發(fā)散以及CPHD濾波對于局部的目標(biāo)數(shù)目估計(jì)存在漏檢的問題，提出了SMC—CPHD濾波算法。此方法利用隨機(jī)樣本同時(shí)對PHD分布和基數(shù)分布進(jìn)行逼近，解決了濾波運(yùn)算過程中沒有閉式解的難題，而且濾波過程中，隨著樣本粒子數(shù)量的增加，PHDF接近于Bayes最優(yōu)估計(jì)，避免了當(dāng)某個(gè)目標(biāo)發(fā)生漏檢時(shí)，PHD權(quán)值轉(zhuǎn)移的問題。相比于粒子PHD與CPHD的濾波有更可靠的跟蹤性能。(5)針對單傳感器只能獲得局部、片面的信息，以及對于目標(biāo)的衍生、消失所引起的目標(biāo)數(shù)目的變化和目標(biāo)突發(fā)的機(jī)動(dòng)會(huì)使得單傳感器應(yīng)接不暇的問題。提出了

5、基于自概率假設(shè)密度濾波算法及其在多目標(biāo)跟蹤中的應(yīng)用適應(yīng)“當(dāng)前”統(tǒng)計(jì)模型的多傳感器多目標(biāo)跟蹤C(jī)PHD濾波算法。針對自適應(yīng)“當(dāng)前”統(tǒng)計(jì)模型對于目標(biāo)發(fā)生強(qiáng)機(jī)動(dòng)時(shí)有很好的自適應(yīng)能力，而對于目標(biāo)弱機(jī)動(dòng)時(shí)，跟蹤·匪：能降低的問題，通過位于觀測區(qū)域不同位置的3個(gè)同類傳感器(雷達(dá))的序貫融合實(shí)現(xiàn)多目標(biāo)跟蹤，相比于單傳感器提高了目標(biāo)在弱機(jī)動(dòng)時(shí)刻的跟蹤精度。很好的體現(xiàn)出多傳感器信息融合的優(yōu)勢·。(6)將變結(jié)構(gòu)多模型算法與基于隨機(jī)集理論的高斯混合基數(shù)概率假設(shè)密度濾波算法相結(jié)合，運(yùn)用到多機(jī)動(dòng)目標(biāo)跟蹤系統(tǒng)中，提出了基于變結(jié)構(gòu)多模型的GMCPHD濾波算法。此方法通過實(shí)時(shí)變化模型集合來剔除不必要的模型，不至于因

6、為模型之間的“過度”競爭使得濾波性能降低，對于弱機(jī)動(dòng)以及強(qiáng)機(jī)動(dòng)目標(biāo)的都達(dá)到了很好的跟蹤效果。關(guān)鍵詞：多目標(biāo)跟蹤；隨機(jī)集；概率假設(shè)密度濾波；信息融合；Bayes濾波ABSTRACTWiththemulti—targettrackingtheorygettingmatureincreasingly，theapplicationofthemulti．targettrackingtechniquehasbeendevelopedfrommilitarytocivilianarea．a(chǎn)ndthemethodsforsolvingthemulti．．targettrackingprobleme

7、mergeendlessly，Theclassicaldataassociationalgorithmwhichisefficientinthesimplecivilianareahavebecomeunsuitableformodemcomplexmilitarycombatsystem，whichneedtoreal—timetrackandlocalizeeverytargetaccuratlyinthemonitorareatoachievethebestfi