【摘要】：基于隨機有限集的多目標跟蹤方法是近年來目標跟蹤領域的研究熱點,該方法采用隨機有限集描述目標狀態(tài)和傳感器量測,將多目標跟蹤轉(zhuǎn)換為單目標跟蹤,避免了數(shù)據(jù)關聯(lián)難點。本文以隨機有限集理論為基礎,對復雜場景下的多目標跟蹤方法進行了研究,主要研究內(nèi)容如下:針對未知雜波強度下的多目標跟蹤,提出了一種加速期望最大化概率假設密度(AEM-PHD)平滑濾波算法。首先,對雜波的強度進行建模;其次,根據(jù)雜波的量測估計出雜波的個數(shù);然后,利用高斯有限混合模型對雜波密度函數(shù)進行建模,高斯有限混合模型的參數(shù)由AEM算法估計得到;最后,由PHD濾波器對多目標狀態(tài)進行估計,并對估計值進行了平滑。仿真結(jié)果表明,在未知雜波下,所提算法能準確估計出雜波的參數(shù),跟蹤的精度更高、估計的目標數(shù)目更準確。針對多擴展目標跟蹤的量測劃分,提出了一種基于時空關聯(lián)-網(wǎng)格聚類量測劃分的多擴展目標跟蹤算法。首先,根據(jù)時空相關性將當前量測分為存活擴展目標量測和新生擴展目標量測;其次,對存活擴展目標采用FCM算法進行量測劃分,對新生擴展目標采用網(wǎng)格聚類完成量測集劃分;最后,由GM-PHD濾波器得到存活擴展目標的軌跡,由ET-GM-PHD濾波器得到新生擴展目標的軌跡。仿真結(jié)果表明,所提算法能夠?qū)Χ鄶U展目標進行準確跟蹤,算法的跟蹤精度更高、運行時間更少。針對GM-PHD濾波算法在非線性條件下跟蹤機動目標精度較低的問題,提出了一種基于修正IMM的UT-GMPHD多機動目標跟蹤算法。首先,對IMM算法的模型轉(zhuǎn)移概率進行了修正;其次,采用UT技術對非線性狀態(tài)方程和非線性量測方程進行處理;最后,由修正IMM的UT-GMPHD濾波器跟蹤多機動目標。仿真結(jié)果表明,所提算法能夠?qū)Χ鄼C動目標進行持續(xù)穩(wěn)定的跟蹤,跟蹤性能優(yōu)于傳統(tǒng)的GM-PHD跟蹤算法。開發(fā)了多目標跟蹤軟件實驗平臺,該平臺包含了未知雜波下多目標跟蹤、擴展目標跟蹤、多機動目標跟蹤等模塊,擁有良好的人機交互界面,能夠快速地調(diào)用算法并對仿真結(jié)果進行展示。
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN713
【圖文】：

南京航空航天大學碩士學位論文驗證了該算法的有效性。第五章為多目標跟蹤軟件實驗平臺的介紹。該實驗平臺采用人機交互模式，能夠方便用跟蹤算法，并對算法的仿真效果進行了展示。第六章為論文的總結(jié)與展望。首先，對本文的研究工作進行了總結(jié)；然后，分析了本在的不足之處；最后，對多目標跟蹤技術的未來研究方向進行了下一步展望。

圖 4. 1 標準 IMM 算法流程圖法的各個模塊之前，給出以下變量的定義。動目標在k時刻運動模型為p的目標狀態(tài)。動目標在k時刻運動模型為p的模型概率。動目標在 k 時刻運動模型為p的協(xié)方差矩陣。動目標在 k 時刻運動模型為p的似然函數(shù)�；ズ髾C動目標在k 時刻運動模型為 p的目標狀態(tài)，該交互后機動目標在k 時刻運動模型為p的協(xié)方差矩陣。動目標運動模型由p變?yōu)閝的轉(zhuǎn)移概率。機動目標的狀態(tài)為k 1,px 、協(xié)方差矩陣為k 1,pP 、運動移概率為pq 。IMM 算法的具體實現(xiàn)步驟如下： k 1時刻的運動模型從模型p轉(zhuǎn)移到模型q的條件概1, 1,1, 1,2, k pq pq k pqp q c

【參考文獻】

相關期刊論文 前9條

1 韓玉蘭;任重義;韓崇昭;;多擴展目標濾波器的量測集劃分算法[J];壓電與聲光;2015年04期

2 宋驪平;嚴超;姬紅兵;梁萌;;基于箱粒子的多擴展目標PHD濾波[J];控制與決策;2015年10期

3 孔云波;馮新喜;危璋;;利用高斯混合概率假設密度濾波器對擴展目標量測集進行劃分[J];西安交通大學學報;2015年07期

4 李翠蕓;江舟;李斌;周旋;;未知雜波環(huán)境的GM-PHD平滑濾波器[J];西安電子科技大學學報;2015年05期

5 張慧;徐暉;安瑋;盛衛(wèi)東;龍云利;;一種基于多模型高斯逆Wishart PHD濾波器的空間鄰近目標跟蹤方法[J];紅外與毫米波學報;2014年02期

6 瑚成祥;劉貴喜;董亮;王明;張菁超;;區(qū)域雜波估計的多目標跟蹤方法[J];航空學報;2014年04期

7 李誠剛;趙佳寶;陳兆榮;;Visual C#與Matlab混合編程在可視化軟件中的應用[J];軟件;2012年02期

8 郝燕玲;孟凡彬;孫楓;沈鋒;;基于IMM的UK-GMPHDF算法在多機動目標跟蹤中的應用[J];系統(tǒng)工程理論與實踐;2011年11期

9 許江湖 ,陳康 ,嵇成新;目標跟蹤中的多模型估計算法綜述[J];情報指揮控制系統(tǒng)與仿真技術;2002年05期

相關博士學位論文 前2條

1 胡子軍;基于隨機有限集的雷達多目標跟蹤算法研究[D];西安電子科技大學;2015年

2 連峰;基于隨機有限集的多目標跟蹤方法研究[D];西安交通大學;2009年

本文編號：2721424