資源描述：
《基于隨機有限集的多目標跟蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、密級無分類號ＴＷ５方知方斗ｔ．禱％＾雲(yún)少劉ＡＮＴＥＣＨＮＯＬＯＧＩＣＡＬＵＮＩＶＥＲＳＩＴＹ碩±學位論文題目Ｓ基于隨化有限集的多目標跟蹤算法研究作者：廖小云？＇Ｉ．：指導教師；高嵩教授申請學位學科：模式識別與智能系統(tǒng)２０１６年５月２９日密級無分類號ＴＮ９５馨《知：Ｘ’ＩＡＮＴＥＣＨＮＯＬＯＧＩＣＡＬＵＮＩＶＥＲＳＩＴＹ碩±學位論文題目：基于隨機有限集的多目標跟蹤算法硏究作者：廖小云指導教師：高嵩教授模式識別與智能系統(tǒng)申請學位學
2、科：２０１６年５月２９日基于隨機有限集的多目碌跟蹤算法研究學科：模式識別與智能系統(tǒng)研巧生簽字：指導教師簽字：去業(yè)摘要一多目標跟蹤ＭＴＴ技術作為多源信息融合領域內(nèi)最重要的技術之，已經(jīng)在民用和（）軍事領域中被廣泛應用。跟蹤過程中目標數(shù)目隨時間變化等不確定因素造成傳統(tǒng)多目標一跟蹤算法的計算量増大，，跟蹤精度下降。針對這問題本論文采用非數(shù)據(jù)關聯(lián)的隨機有限集（ＲＦＳ）多目標跟蹤方法，分別研究了應用于線性條件和非線性條件的多目標跟蹤算法。主要研究成果如下：（１）針對概率假設密度濾波器ＰＨＤ（巧遞推方程中的多重
3、積分運算導致閉合解難Ｗ獲得的問題，在線性鳥斯條件下根據(jù)高斯混合模型ＧＭＭ的特性，采用高斯混合成分代（）替概率假設密度（ＰＨ巧進行后驗概率的遞推，并給出了高斯混合概率假設密度（ＧＭＰＨＤ）濾波算法。最后通過ＭＡＴＬＡＢ仿真實驗，證明了ＧＭＰＨＤ濾波算法不僅適用于目標個數(shù)隨時間變化的條件，而且適用于跟蹤過程中出現(xiàn)軌跡交叉的多目標跟蹤問題。（２）針對ＧＭＰＨＤ不適用于非線性系統(tǒng)的問題，利用局部線性化思想給出了擴展高斯混合概率假設密度巧Ｋ－ＧＭＰＨＤ濾波算法。采用的線性化方法是對非線性函數(shù)進行）一泰勒級數(shù)展開，并將原函數(shù)近
4、似成展開式的次項。分別對狀態(tài)轉移函數(shù)和似然函數(shù)求偏導獲得其雅克比矩陣，再Ｗ雅克比矩陣代替ＧＭＰＨＤ濾波算法中的狀態(tài)轉移矩陣和量－測矩陣，遞推估計目標的數(shù)目和狀態(tài)，。通過仿真實驗說明ＥＫＧＭＰＨＤ算法可Ｗ解決系統(tǒng)模型的非線性程度不高的ＭＴＴ問題。ＥＫ－（３）在非線性程度高的情況下，ＧＭＰＨＤ濾波算法會產(chǎn)生較大的線性化偏差，一提出了種高斯混合粒子概率假設密度Ｐ－ＧＭＰＨＤ濾波算法。首先利用蒙特卡羅方法（）（ＭｏｎｔｅＣａｒｌｏ）對ＰＨＤ濾波算法中的積分項進行近似計算得到閉合解，并且獲得了衍生目標的預測方程－ＧＭＰＨＤ濾
5、波算法適用于非線性程度高的ＭＴＴ。最后通過仿真實驗證明Ｐ系統(tǒng)。通過本論文的研究工作可Ｗ看出，將有限集統(tǒng)計學（巧ＳＳＴ）理論應用到ＭＴＴ算法中不僅減小了計算量而且提高了跟蹤精度。關鍵詞：多目標跟蹤；隨機有限集；概率假設密度濾波器；線性系統(tǒng)；非線性系統(tǒng)ＲｅｓｅａｒｃｈｏｆＭｕｌｔＭａｒｇｅｔＴｒａｃｋｉｎｇＡｌｇｏｒｉ化ｍＢａｓｅｄｏｎＲａｎｄｏｍＦｉｎｉｔｅＳｅｔＤｉｓｃｉｌｉｎｅ：Ｐａ打ｅｍ民ｅｃｏ打ｉｔｉｏｎａｎｄｉＭｅｌｌｉｅｎｔＳｓｔｅｍｐｇｇｙＳｔｕｄｅｎｔＳｉｎａｔｕｒｅ：
6、ｇＳｕｅｒｖｉｓｏｒＳｉｎａ化ｒｅ：ｐｇＡｂｓｔｒａｃｔｌｔｌｅｔａｒｅｔ１：ｒａｃｋｉｎｔｅｃｈｎｏｌｏｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｏｒｔａｎｔｔｅｃｈｎｏｌｏｉｎｅＭｕｉｐｇｇＭＴＴｇｙｐｇｙ化（）－ｗｈｆｉｅｌｄｏｆｍｕｌｔｉｓｏｕｒｃｅｉｎｆｏｒｍａｔｉｏ打ｆｉａｓｉｏｎｉｃｈｈａｓｂｅｅ打ｗｉｄｅｌｕｓｅｄｉ打ｃｉｖｉｌａｎｄｍＵｉｔａｒ，ｙｙｆｉｅｌｔｒｔｔｌｄｓ．Ａｓｔ；ｈｅｕｎｃｅｒｔａｉｎ拉ｃ；ｏｒｓｓｕｃｈａｓ也ｅｎｕｍｂｅｒｏｆａｃ
7、ｋｉｎａｒｅｓｉｎｔｈｅｒｏｃｅｓｓｏｖｅｒｔｉｍｅｇｇｐ，ｗｈｉｃｈｃａｎｉｎｃｒｅａｓｅ化ｅｃｏｍｐｌｅｘＵｙａｎｄｄｅｃｒｅａｓｅ化ｅｔｒａｃｋｉｎｇａｃｃｕｒａｃｙｆｏｒｔｒａｄｉｔｉｏｎａｌｍｕｌｔｉｐｌｅ－ｔａｒｅｔｔｒａｃｋｉｎａｌｏｒｉｔｈｍ．Ｉｎｏｒｄｅｒｔ：ｏｓｏｌｖｅｔｈｉｓｒｏｂｌｅｍｒａｎｄｏｍｆｉｎｉｔｅｓｅｔＲＦＳｍｕｌｔｉｔａｒｅｔｇ呂ｇｐ，）ｇ（．Ｔｔｔｔｒａｃｋｉｎｇｍｅｔｈｏｄｉｓａｄｏｐ１；ｅｄｉ打ｔｈｅｐａｅｒｈｅｍｅｈ
8、ｏｄｉｓａｐｐｌｉｅｄｏｔｈｅｍｕｌｔｉｐｌｅｔａｒｇｅｔｔｒａｃｋｉｎｇｐａｌｇｏｒｉｔｈｍｏ打ｌｉｎｅａｒａｎｄｎｏ
