隨機(jī)集為目標(biāo)跟蹤提供了簡(jiǎn)單明了的貝葉斯遞推形式,避免了傳統(tǒng)方法因數(shù)據(jù)關(guān)聯(lián)而復(fù)雜度高的缺點(diǎn)。其中以標(biāo)簽隨機(jī)集為基礎(chǔ)的廣義標(biāo)簽多伯努利(GLMB)濾波器真正實(shí)現(xiàn)了對(duì)目標(biāo)航跡的區(qū)分。由于傳感器精度的提升,目標(biāo)形狀不可忽略,傳統(tǒng)的點(diǎn)目標(biāo)理論無(wú)法滿足實(shí)際中的各種需求,因此擴(kuò)展目標(biāo)跟蹤受到國(guó)內(nèi)外研究學(xué)者的關(guān)注,并大量應(yīng)用于軍事和民用系統(tǒng)中。本文主要研究了GLMB濾波器在擴(kuò)展目標(biāo)跟蹤中的應(yīng)用,具體的研究?jī)?nèi)容如下:針對(duì)GLMB濾波器需要已知運(yùn)動(dòng)場(chǎng)景中背景環(huán)境參數(shù)而實(shí)際中這些參數(shù)無(wú)法提前獲得的問題,提出了未知雜波率和檢測(cè)概率的GLMB擴(kuò)展目標(biāo)濾波器。該算法通過將雜波當(dāng)作沒有動(dòng)態(tài)特性的一類目標(biāo),建立聯(lián)合目標(biāo)-雜波混合空間模型,對(duì)混合多目標(biāo)后驗(yàn)密度進(jìn)行迭代。同時(shí)對(duì)混合空間模型中的擴(kuò)展目標(biāo)部分增廣,引入檢測(cè)概率空間并采用Beta分布直接對(duì)未知檢測(cè)概率建模。另外,針對(duì)觀測(cè)區(qū)域內(nèi)目標(biāo)新生和消失時(shí)Beta分布估計(jì)浮動(dòng)較大的問題,給出了采用inverse gamma分布表征目標(biāo)未知幅度特征進(jìn)而估計(jì)檢測(cè)概率的方法。仿真實(shí)驗(yàn)表明,所提兩種方法均可以在高雜波率或低檢測(cè)概率場(chǎng)景中實(shí)現(xiàn)對(duì)多個(gè)目標(biāo)的跟蹤以及未知參數(shù)的估計(jì),并且可以達(dá)到參數(shù)先驗(yàn)已知的標(biāo)準(zhǔn)濾波器的跟蹤精度。在目標(biāo)出現(xiàn)新生和消失的場(chǎng)景中,與Beta分布相比,inverse gamma分布對(duì)檢測(cè)概率的估計(jì)結(jié)果更加穩(wěn)定。針對(duì)近鄰場(chǎng)景中因量測(cè)劃分不準(zhǔn)確導(dǎo)致濾波器對(duì)目標(biāo)數(shù)目、質(zhì)心以及形狀的估計(jì)出現(xiàn)較大偏差的問題,提出了基于似然函數(shù)的一步數(shù)據(jù)關(guān)聯(lián)GLMB擴(kuò)展目標(biāo)濾波器。該算法跳過將量測(cè)劃分后再匹配的過程,通過計(jì)算量測(cè)與目標(biāo)關(guān)聯(lián)后的似然函數(shù)直接尋找全局最優(yōu)關(guān)聯(lián)假設(shè),進(jìn)而對(duì)目標(biāo)后驗(yàn)概率密度進(jìn)行更新。并采用乘性噪聲模型描述目標(biāo)形狀,給出濾波器的實(shí)現(xiàn)方法。實(shí)驗(yàn)結(jié)果表明,所提的一步數(shù)據(jù)關(guān)聯(lián)方法在目標(biāo)交叉、近鄰場(chǎng)景中能夠?qū)崿F(xiàn)對(duì)目標(biāo)數(shù)目的準(zhǔn)確估計(jì),與基于量測(cè)劃分的濾波器相比,該方法對(duì)目標(biāo)質(zhì)心和形狀參數(shù)的估計(jì)精度得到提高。針對(duì)現(xiàn)有的標(biāo)簽隨機(jī)集理論下目標(biāo)形狀估計(jì)問題,提出了基于控制點(diǎn)的GLMB擴(kuò)展目標(biāo)濾波器。該算法采用伸展-變形模型對(duì)目標(biāo)擴(kuò)展形狀建模,通過移動(dòng)參考形狀表面控制點(diǎn)來(lái)擬合目標(biāo)真實(shí)形狀,并采用參考形狀參數(shù)自適應(yīng)的計(jì)算方法來(lái)提高變形后形狀的相似度。最后給出標(biāo)簽隨機(jī)集下多目標(biāo)后驗(yàn)概率密度函數(shù)的迭代過程。仿真實(shí)驗(yàn)表明,與基于隨機(jī)矩陣和乘性噪聲模型的方法相比,所提方法可以實(shí)現(xiàn)對(duì)橢圓形狀參數(shù)的準(zhǔn)確估計(jì)。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP212;TN713
【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 隨機(jī)集理論基礎(chǔ)
    1.3 擴(kuò)展目標(biāo)跟蹤技術(shù)研究現(xiàn)狀
    1.4 論文主要研究成果及內(nèi)容安排
第二章 隨機(jī)集擴(kuò)展目標(biāo)跟蹤理論基礎(chǔ)
    2.1 引言
    2.2 隨機(jī)集擴(kuò)展目標(biāo)跟蹤模型
    2.3 標(biāo)簽隨機(jī)集擴(kuò)展目標(biāo)跟蹤
        2.3.1 標(biāo)簽隨機(jī)集跟蹤模型
        2.3.2 GLMB濾波器的實(shí)現(xiàn)
        2.3.3 基于隨機(jī)矩陣模型的擴(kuò)展目標(biāo)跟蹤
        2.3.4 基于GLMB的擴(kuò)展目標(biāo)跟蹤濾波器
    2.4 本章小結(jié)
第三章 未知背景參數(shù)的GLMB擴(kuò)展目標(biāo)跟蹤算法
    3.1 引言
    3.2 multi-class GLMB濾波器
    3.3 聯(lián)合目標(biāo)-雜波狀態(tài)空間模型
    3.4 檢測(cè)概率估計(jì)方法
        3.4.1 Beta分布
        3.4.2 inverse gamma分布
    3.5 聯(lián)合未知雜波率和檢測(cè)概率的GLMB擴(kuò)展目標(biāo)濾波器
        3.5.1 濾波器的實(shí)現(xiàn)方法
        3.5.2 算法流程
    3.6 仿真實(shí)驗(yàn)及分析
    3.7 本章小結(jié)
第四章 基于一步數(shù)據(jù)關(guān)聯(lián)的GLMB擴(kuò)展目標(biāo)濾波算法
    4.1 引言
    4.2 基于乘性噪聲模型的擴(kuò)展目標(biāo)跟蹤
        4.2.1 基于乘性噪聲的量測(cè)模型
        4.2.2 基于乘性噪聲的二階擴(kuò)展卡爾曼擴(kuò)展目標(biāo)跟蹤
    4.3 基于似然函數(shù)的一步數(shù)據(jù)關(guān)聯(lián)方法
    4.4 基于似然函數(shù)一步數(shù)據(jù)關(guān)聯(lián)的GLMB濾波算法
    4.5 實(shí)驗(yàn)仿真與分析
    4.6 本章小結(jié)
第五章 基于控制點(diǎn)的擴(kuò)展形狀估計(jì)算法
    5.1 引言
    5.2 伸展-變形模型
        5.2.1 基于控制點(diǎn)的形狀估計(jì)
        5.2.2 自適應(yīng)參考形狀選擇
    5.3 基于控制點(diǎn)的擴(kuò)展目標(biāo)GLMB濾波算法
        5.3.1 擴(kuò)展目標(biāo)狀態(tài)模型
        5.3.2 基于控制點(diǎn)的GLMB濾波器的實(shí)現(xiàn)
    5.4 仿真實(shí)驗(yàn)與分析
    5.5 本章小結(jié)
第六章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏丙鐸;湯志;徐曉濱;;基于隨機(jī)集理論的邊坡穩(wěn)定性評(píng)價(jià)方法[J];杭州電子科技大學(xué)學(xué)報(bào);2009年06期

2 袁學(xué)海，汪培莊;隨機(jī)集的范疇[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1994年02期

3 黃南京;隨機(jī)集值相補(bǔ)問題[J];贛南師范學(xué)院學(xué)報(bào);1995年06期

4 孔紹文;隨機(jī)集與集合套理論[J];解放軍測(cè)繪學(xué)院學(xué)報(bào);1987年02期

5 毛超林;;某些隨機(jī)集合的復(fù)蓋性質(zhì)[J];深圳大學(xué)學(xué)報(bào);1987年Z2期

6 王力群;;集值統(tǒng)計(jì)方法[J];應(yīng)用概率統(tǒng)計(jì);1989年03期

7 李西和;;一般隨機(jī)集的中心統(tǒng)計(jì)定理[J];數(shù)學(xué)季刊;1989年03期

8 趙亮;楊戰(zhàn)平;;基于隨機(jī)集理論的相關(guān)變量模型不確定性量化[J];系統(tǒng)仿真學(xué)報(bào);2017年06期

9 徐曉濱;文成林;劉榮利;;基于隨機(jī)集理論的多源信息統(tǒng)一表示與建模方法[J];電子學(xué)報(bào);2008年06期

10 吳偉志;隨機(jī)集可積選擇序列的h收斂性[J];浙江水產(chǎn)學(xué)院學(xué)報(bào);1994年03期

相關(guān)博士學(xué)位論文 前10條

1 徐曉濱;不確定性信息處理的隨機(jī)集方法及在系統(tǒng)可靠性評(píng)估與故障診斷中的應(yīng)用[D];上海海事大學(xué);2009年

2 趙亮;基于隨機(jī)集理論的QMU關(guān)鍵技術(shù)研究[D];中國(guó)工程物理研究院;2016年

3 姜延吉;多傳感器數(shù)據(jù)融合關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2010年

4 王超;三類不確定支持向量機(jī)及其應(yīng)用[D];河北大學(xué);2013年

5 歐陽(yáng)成;基于隨機(jī)集理論的被動(dòng)多傳感器多目標(biāo)跟蹤[D];西安電子科技大學(xué);2012年

6 羅少華;基于隨機(jī)集的被動(dòng)多傳感器目標(biāo)跟蹤方法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

7 謝亞娟;洪水風(fēng)險(xiǎn)評(píng)估中多源信息融合及不確定性建模研究[D];華中科技大學(xué);2012年

8 傅可昂;度量空間中隨機(jī)序列的若干極限定理[D];浙江大學(xué);2009年

9 孟凡彬;基于隨機(jī)集理論的多目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工程大學(xué);2010年

10 何日高;現(xiàn)代凸幾何在信息論和概率論中的應(yīng)用[D];上海大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 石仁政;基于標(biāo)簽隨機(jī)集的擴(kuò)展目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2019年

2 李聰蕊;隨機(jī)集值微分方程解的穩(wěn)定性分析[D];河北大學(xué);2019年

3 苗雨;基于箱粒子濾波的標(biāo)簽隨機(jī)集多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2018年

4 侯贊;基于隨機(jī)集理論的電力系統(tǒng)運(yùn)行風(fēng)險(xiǎn)評(píng)估[D];華北電力大學(xué)(北京);2018年

5 汪百川;隨機(jī)集理論在通信中的應(yīng)用研究[D];杭州電子科技大學(xué);2010年

6 朱孟凱;基于隨機(jī)集理論的多目標(biāo)跟蹤算法研究[D];吉林大學(xué);2013年

7 鄭學(xué)弢;復(fù)雜環(huán)境下基于隨機(jī)集的多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2013年

8 趙欣;基于隨機(jī)集理論的被動(dòng)多傳感器多目標(biāo)跟蹤技術(shù)[D];西安電子科技大學(xué);2009年

9 瑚成祥;基于隨機(jī)集理論的多目標(biāo)跟蹤方法[D];西安電子科技大學(xué);2014年

10 姜萌;基于隨機(jī)集的多目標(biāo)跟蹤及融合管控算法研究[D];電子科技大學(xué);2017年

本文編號(hào)：2880734