資源描述：
《多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究》由會員上傳分享，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)學(xué)位論文獨(dú)創(chuàng)性(或創(chuàng)新性)聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說明并表示了謝意。申請學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切相關(guān)責(zé)任。本人簽名：篡罐叢日期：塑!蘭：!：?!關(guān)于論文
2、使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫的文章一律署名單位為西安電子科技大學(xué)。日期：盤絲!!：蘭呈摘要隨著現(xiàn)代武器戰(zhàn)術(shù)性能的提高以及電子干擾技術(shù)的發(fā)展，多目標(biāo)跟蹤技術(shù)在國防領(lǐng)域得到廣泛的應(yīng)用。數(shù)據(jù)關(guān)聯(lián)是多目標(biāo)跟蹤最困難也是最核心的技
3、術(shù)之一，決定著多目標(biāo)跟蹤的整體性能，因此受到國內(nèi)外學(xué)者與工程專家的高度關(guān)注。本文研究了最近鄰算法、概率數(shù)據(jù)互聯(lián)算法、聯(lián)合概率數(shù)據(jù)互聯(lián)算法、交互式多模型概率數(shù)據(jù)關(guān)聯(lián)算法等經(jīng)典的數(shù)據(jù)關(guān)聯(lián)算法。針對聯(lián)合概率數(shù)據(jù)互聯(lián)算法在跟蹤目標(biāo)數(shù)目與回波數(shù)目增多時(shí)計(jì)算量爆炸的問題，給出了三種解決方案：給出了改進(jìn)的快速數(shù)據(jù)關(guān)聯(lián)算法，避開聯(lián)合關(guān)聯(lián)假設(shè)事件的產(chǎn)生，縮小公共回波的權(quán)值，擴(kuò)大非公共回波的權(quán)值，從而保證了跟蹤的性能，避免了計(jì)算量的迅速增長；在傳統(tǒng)跟蹤波門的基礎(chǔ)上，引入方向跟蹤門，減少有效回波的個(gè)數(shù)，從而減少聯(lián)合概率互聯(lián)算
4、法的計(jì)算量；采用最大熵模糊聚類算法實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)，并對權(quán)值的再分配問題進(jìn)行研究；最后通過仿真驗(yàn)證了算法的有效性。關(guān)鍵詞：多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)方向跟蹤門最大熵模糊聚類AbstractWiththedevelopmentofmodemweapons’tacticalperformanceandelectronicjammingtechnology,techniquesofmulti-targettrackinghavebeenwidelyusedinnationaldefenseareas．As
5、oneofthemostcoreanddifficulttechniquesinthemulti-targettracking，thetechniqueofdataassociationdeterminesthemulti-targettrackingsystem’Sperformance．So，manyengineeringspecialistsandscholarsathomeandabroadhavepaidmuchattentiontothedevelopmentofdataassociatio
6、ntechnology．Thedissertationstudiedsomeclassicaldataassociationalgorithms，includingNearestNeighboralgorithm，ProbabilisticDataAssociationalgorithm、JointProbabilisticDataassociationalgorithm、InteractingMultipleModelestimatorwithProbabilisticDataAssociationf
7、ilter．Withtheincreaseoftargetsandmeasurements，theloadofJointProbabilisticDataAssociationalgorithmcomputationgrowsrapidly．Aimingatthisdefect，thedissertationgavethreesolutions．Firstofall，amodifiedfastdataassociationalgorithmhasbeenproposed．Inordertoguarant
8、eethetrackingperformanceandavoidrapidgrowthcalculation，thealgorithmavoidsthecreationofthejointrelatedhypothesisevents，reducespublicmeasurements’weight，andexpandsthenon—publicmeasurements’weight．Secondly,thetwo-tracking—gat
