箱粒子濾波是蒙特卡洛方法與區(qū)間分析相結(jié)合的一種廣義粒子濾波,運(yùn)用區(qū)間分析,粒子在狀態(tài)空間中呈現(xiàn)為可控且具有非零體積的多維矩形箱,因此被稱為箱粒子濾波。與傳統(tǒng)的點(diǎn)粒子相比,箱粒子具有處理非傳統(tǒng)量測(cè)的優(yōu)勢(shì),且能夠用較少的粒子達(dá)到近似的濾波精度,提高了運(yùn)算效率;另一方面,將隨機(jī)集理論應(yīng)用于多目標(biāo)跟蹤是目前目標(biāo)跟蹤領(lǐng)域的新潮流,隨機(jī)集濾波可以通過(guò)集合對(duì)應(yīng)避免數(shù)據(jù)關(guān)聯(lián),降低計(jì)算復(fù)雜度。因此,結(jié)合前者的高效濾波能力與后者避免航跡關(guān)聯(lián)的優(yōu)勢(shì),基于隨機(jī)集的箱粒子濾波算法在近年來(lái)被廣泛應(yīng)用于多目標(biāo)跟蹤,擴(kuò)展目標(biāo)跟蹤與群目標(biāo)跟蹤。然而,隨機(jī)集濾波在避免數(shù)據(jù)關(guān)聯(lián)的同時(shí),也丟失了量測(cè)與目標(biāo)狀態(tài)的對(duì)應(yīng)關(guān)系,因此基于隨機(jī)集的箱粒子濾波在多目標(biāo)跟蹤中無(wú)法區(qū)分不同的目標(biāo)。本文在傳統(tǒng)箱粒子濾波和隨機(jī)集濾波的框架下,提出了標(biāo)簽箱粒子隨機(jī)集濾波,研究并實(shí)現(xiàn)了復(fù)雜環(huán)境下基于標(biāo)簽箱粒子隨機(jī)集濾波的多擴(kuò)展/群目標(biāo)跟蹤方法,主要工作如下:（1）標(biāo)簽箱粒子濾波算法研究。針對(duì)傳統(tǒng)箱粒子濾波無(wú)法區(qū)分航跡的問(wèn)題,提出標(biāo)簽箱粒子濾波,能夠在繼承箱粒子處理非傳統(tǒng)量測(cè)及高效濾波能力的同時(shí)實(shí)現(xiàn)航跡區(qū)分。將標(biāo)簽箱粒子濾波與隨機(jī)集濾波結(jié)合,給出了LB... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：100 頁(yè)

【學(xué)位級(jí)別】：碩士

【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 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 多目標(biāo)跟蹤技術(shù)
        1.2.2 多擴(kuò)展目標(biāo)跟蹤技術(shù)
        1.2.3 多群目標(biāo)跟蹤技術(shù)
    1.3 論文的主要內(nèi)容與章節(jié)安排
第二章 隨機(jī)有限集濾波理論
    2.1 引言
    2.2 隨機(jī)有限集理論基礎(chǔ)
        2.2.1 多目標(biāo)密度函數(shù)
        2.2.2 RFS量測(cè)模型
        2.2.3 多目標(biāo)似然函數(shù)
        2.2.4 多目標(biāo)貝葉斯規(guī)則
        2.2.5 RFS多目標(biāo)運(yùn)動(dòng)模型
        2.2.6 多目標(biāo)馬爾可夫密度
        2.2.7 隨機(jī)集與隨機(jī)矢量的對(duì)應(yīng)關(guān)系
    2.3 隨機(jī)有限集濾波
        2.3.1 RFS最優(yōu)貝葉斯遞推
        2.3.2 PHD濾波算法
        2.3.3 CPHD濾波算法
    2.4 本章小結(jié)
第三章 標(biāo)簽箱粒子濾波理論
    3.1 引言
    3.2 箱粒子濾波
        3.2.1 箱粒子濾波基礎(chǔ)
        3.2.2 箱粒子濾波算法
        3.2.3 BP-PHD濾波算法
    3.3 標(biāo)簽箱粒子濾波
        3.3.1 標(biāo)簽箱粒子濾波理論
        3.3.2 LBP-PHD濾波算法
    3.4 真實(shí)驗(yàn)與分析
    3.5 本章小結(jié)
第四章基于隨機(jī)集的標(biāo)簽箱粒子多擴(kuò)展目標(biāo)跟蹤
    4.1 引言
        4.1.1 擴(kuò)展目標(biāo)跟蹤基礎(chǔ)
        4.1.2 多擴(kuò)展目標(biāo)PHD濾波
        4.1.3 多擴(kuò)展目標(biāo)BP-PHD濾波
    4.2 多擴(kuò)展目標(biāo)隨機(jī)集濾波的標(biāo)簽箱粒子實(shí)現(xiàn)
        4.2.1 標(biāo)簽箱粒子濾波信息補(bǔ)充
        4.2.2 多擴(kuò)展目標(biāo)LBP-CPHD濾波算法
    4.3 仿真實(shí)驗(yàn)與分析
    4.4 本章小結(jié)
第五章 基于隨機(jī)集的標(biāo)簽箱粒子多群目標(biāo)跟蹤
    5.1 引言
    5.2 群目標(biāo)跟蹤基礎(chǔ)
    5.3 可分辨群目標(biāo)跟蹤
        5.3.1 演化網(wǎng)絡(luò)模型
        5.3.2 可分辨群目標(biāo)BP-PHD濾波算法
        5.3.3 可分辨群目標(biāo)LBP-PHD濾波算法
        5.3.4 仿真實(shí)驗(yàn)與分析
    5.4 不可分辨群目標(biāo)跟蹤
        5.4.1 量測(cè)預(yù)處理
        5.4.2 不可分辨群目標(biāo)LBP-PHD濾波算法
        5.4.3 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


【參考文獻(xiàn)】：
期刊論文
[1]箱粒子PHD演化網(wǎng)絡(luò)群目標(biāo)跟蹤算法[J]. 宋驪平,劉宇航,程軒.  控制與決策. 2018(01)
[2]基于箱粒子的多擴(kuò)展目標(biāo)PHD濾波[J]. 宋驪平,嚴(yán)超,姬紅兵,梁萌.  控制與決策. 2015(10)
[3]基于箱式粒子濾波的群目標(biāo)跟蹤算法[J]. 李振興,劉進(jìn)忙,李松,白東穎,倪鵬.  自動(dòng)化學(xué)報(bào). 2015(04)
[4]基于均值漂移聚類的擴(kuò)展目標(biāo)量測(cè)集劃分算法[J]. 劉風(fēng)梅,葛洪偉,楊金龍,李鵬.  計(jì)算機(jī)工程. 2014(12)
[5]一種基于橢圓隨機(jī)超曲面模型的群目標(biāo)高斯混合PHD濾波器[J]. 張慧,徐暉,王雪瑩,王鐵兵.  光學(xué)學(xué)報(bào). 2013(09)
[6]基于SMC-PHDF的部分可分辨的群目標(biāo)跟蹤算法[J]. 連峰,韓崇昭,劉偉峰,元向輝.  自動(dòng)化學(xué)報(bào). 2010(05)

碩士論文
[1]基于隨機(jī)有限集的可分辨群目標(biāo)跟蹤算法研究[D]. 朱書軍.杭州電子科技大學(xué) 2017



本文編號(hào)：3205960