近些年來(lái),基于隨機(jī)集的多目標(biāo)跟蹤技術(shù)由于避免了數(shù)據(jù)關(guān)聯(lián),大大降低了運(yùn)算復(fù)雜度,迅速成為多目標(biāo)跟蹤領(lǐng)域的研究熱點(diǎn)。但隨機(jī)集模型框架下的濾波算法本質(zhì)上并非多目標(biāo)跟蹤器,因?yàn)椴⑽刺峁┠繕?biāo)航跡,目標(biāo)仍不可區(qū)分。通過(guò)將標(biāo)簽思想引入隨機(jī)集,很好地解決了航跡識(shí)別問(wèn)題,基于此而發(fā)展出的廣義標(biāo)簽多伯努利隨機(jī)集（Generalized Labeled Multi-Bernoulli,GLMB）濾波器也得到廣泛的應(yīng)用拓展。本文重點(diǎn)研究了基于GLMB濾波器的多目標(biāo)跟蹤方法,具體研究?jī)?nèi)容安排如下:首先,介紹了GLMB濾波器和δ-GLMB濾波器的核心思想與實(shí)現(xiàn)方式。詳細(xì)介紹隨機(jī)有限集理論及其在貝葉斯框架下的多目標(biāo)跟蹤遞推算法。在此基礎(chǔ)上,介紹了GLMB和δ-GLMB濾波算法的核心思想,并給出了具體的預(yù)測(cè)及更新步驟。其次,針對(duì)條件聯(lián)合決策估計(jì)算法在缺乏軌跡先驗(yàn)分布信息的條件下很難計(jì)算決策代價(jià)以及估計(jì)代價(jià)的問(wèn)題,提出一種新的基于廣義標(biāo)簽伯努利濾波器的多目標(biāo)聯(lián)合跟蹤算法,將目標(biāo)勢(shì)估計(jì)代價(jià)、狀態(tài)估計(jì)代價(jià)以及決策估計(jì)代價(jià)統(tǒng)一起來(lái),通過(guò)代價(jià)最小化獲得最優(yōu)估計(jì)。同時(shí),為解決傳統(tǒng)δ-GLMB算法對(duì)新生目標(biāo)估計(jì)誤差較大的問(wèn)題,提出... 

【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)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

目標(biāo)真實(shí)軌跡，o/對(duì)應(yīng)開(kāi)始/結(jié)束

設(shè)置截?cái)嗑嚯x c=100，階數(shù) p=1。為了驗(yàn)證算法平均性能，取 100 次蒙特卡羅實(shí)驗(yàn)平均效果，每次仿真目標(biāo)狀態(tài)和測(cè)量值均隨機(jī)產(chǎn)生。圖3.1給出了模擬場(chǎng)景中目標(biāo)的真實(shí)運(yùn)動(dòng)軌跡。圖3.2(a)(b)(c)分別為傳統(tǒng)δ-GLMB、CJDE-δ-GLMB 和 ADP-CJDE-δ-GLMB 算法單次實(shí)驗(yàn)的跟蹤結(jié)果。

圖 3.3 和圖 3.4 給出了三種算法在 100 次蒙特卡洛仿真下的平均勢(shì)估計(jì)和 OSPA距離結(jié)果（每個(gè)時(shí)刻平均雜波數(shù) =20）。圖3.3 三種算法勢(shì)估計(jì)

【參考文獻(xiàn)】：
期刊論文
[1]基于變分貝葉斯勢(shì)均衡多目標(biāo)多伯努利濾波的多擴(kuò)展目標(biāo)跟蹤算法[J]. 李翠蕓,王榮,姬紅兵.  控制理論與應(yīng)用. 2015(02)
[2]改進(jìn)的多模型粒子PHD和CPHD濾波算法[J]. 歐陽(yáng)成,姬紅兵,郭志強(qiáng).  自動(dòng)化學(xué)報(bào). 2012(03)
[3]信息融合理論的基本方法與進(jìn)展[J]. 潘泉,于昕,程詠梅,張洪才.  自動(dòng)化學(xué)報(bào). 2003(04)

博士論文
[1]粒子濾波及其在目標(biāo)跟蹤中的應(yīng)用研究[D]. 張俊根.西安電子科技大學(xué) 2011
[2]被動(dòng)多傳感器探測(cè)目標(biāo)跟蹤技術(shù)研究[D]. 楊柏勝.西安電子科技大學(xué) 2009



本文編號(hào)：3347224