【摘要】：隨著現(xiàn)代傳感器技術(shù)的發(fā)展,擴展目標(biāo)跟蹤研究已成為信息融合理論中最為活躍的研究領(lǐng)域之一,被廣泛應(yīng)用于航空航天、機器人導(dǎo)航、車輛跟蹤等一系列軍事、民用領(lǐng)域。傳統(tǒng)的點目標(biāo)跟蹤模型僅利用目標(biāo)的運動信息來跟蹤目標(biāo),將單個目標(biāo)視為一個點來進(jìn)行跟蹤。近年來,傳感器探測精度不斷提高,目標(biāo)產(chǎn)生的回波可能占據(jù)傳感器的多個分辨單元,因此同一目標(biāo)可能在傳感器上產(chǎn)生多個點,稱之為擴展目標(biāo)。傳統(tǒng)針對單點目標(biāo)的跟蹤技術(shù)難以充分發(fā)揮高精度傳感系統(tǒng)的優(yōu)勢,因此需要對擴展目標(biāo)的跟蹤進(jìn)行深入研究,考慮如形狀、尺寸等擴展?fàn)顟B(tài),以發(fā)揮現(xiàn)代高精度傳感系統(tǒng)的精度優(yōu)勢,提高總體跟蹤性能。本文基于隨機有限集理論,對擴展目標(biāo)跟蹤方法展開系統(tǒng)、深入地研究,重點解決復(fù)雜情況下多擴展目標(biāo)的形狀估計、量測集劃分、航跡關(guān)聯(lián)、不規(guī)則形狀目標(biāo)的跟蹤等關(guān)鍵問題,具體取得的成果如下:1.針對不規(guī)則形狀擴展目標(biāo)的形狀估計問題,提出一種基于B樣條曲線的形狀估計算法。在擴展目標(biāo)高斯混合PHD(Extended target Gaussian mixture PHD,ET-GM-PHD)濾波算法中,目標(biāo)擴展信息被假設(shè)為給定值,因此該算法不能對擴展目標(biāo)進(jìn)行形狀估計。為解決該問題,提出算法基于ET-GM-PHD算法來估計目標(biāo)運動狀態(tài),同時利用B樣條擬合法,根據(jù)每個時刻的量測信息來估計目標(biāo)形狀,因此提出算法稱之為Shape-ET-GM-PHD濾波算法。仿真結(jié)果表明,與ET-GM-PHD算法相比,提出算法在不改變ET-GM-PHD算法精度的基礎(chǔ)上,可以實現(xiàn)對不規(guī)則擴展目標(biāo)形狀的精確估計,提供更豐富的目標(biāo)信息,從而有利于后續(xù)航跡維持、態(tài)勢評估等工作的展開。2.針對復(fù)雜情況下緊鄰擴展目標(biāo)的量測集劃分問題,提出一種形狀選擇劃分(Shape selection partitioning,SSP)算法。與ET-GM-PHD濾波算法相比,高斯逆威沙特PHD(Gaussian inverse Wishart PHD,GIW-PHD)濾波算法利用隨機矩陣的方法來估計目標(biāo)擴展?fàn)顟B(tài)。然而當(dāng)目標(biāo)緊鄰時,應(yīng)用于GIW-PHD濾波的量測集劃分算法精度下降,導(dǎo)致GIW-PHD濾波算法的總體跟蹤精度下降。為解決該問題,提出的SSP算法利用目標(biāo)形狀信息來分割量測集,并通過GIW-PHD濾波算法中的似然函數(shù)來選擇最佳分割方案,提高了緊鄰目標(biāo)的量測集劃分精度。仿真結(jié)果表明,在兩個目標(biāo)緊鄰運動時,使用SSP算法后的GIW-PHD濾波算法的跟蹤精度提高,但花費的時間代價也有所提高。3.針對復(fù)雜情況下的多擴展目標(biāo)航跡維持問題,提出一種基于目標(biāo)形狀信息的航跡關(guān)聯(lián)算法�，F(xiàn)實中的跟蹤系統(tǒng)大多需要向用戶提供目標(biāo)的航跡信息,而擴展目標(biāo)PHD濾波框架并不能提供目標(biāo)航跡信息,因此需要對擴展目標(biāo)航跡維持問題展開研究。傳統(tǒng)針對點目標(biāo)PHD濾波的航跡維持算法僅能使用目標(biāo)運動信息,因此在目標(biāo)長時間做緊鄰運動時會產(chǎn)生航跡關(guān)聯(lián)錯誤。為解決該問題,提出算法通過建立目標(biāo)的形狀信息表(Shape table,ST)來保存目標(biāo)形狀,然后通過保存的形狀信息來匹配目標(biāo)航跡。仿真結(jié)果表明,與傳統(tǒng)的航跡維持算法相比,在目標(biāo)形狀差異明顯時,提出算法的航跡關(guān)聯(lián)精度明顯高于傳統(tǒng)算法。4.為了實現(xiàn)對不規(guī)則形狀多擴展目標(biāo)的精確跟蹤,提出一種非橢圓模型GIW-PHD(Non-ellipsoidal model GIW-PHD,NEM-GIW-PHD)濾波算法。標(biāo)準(zhǔn)的GIW-PHD算法基于目標(biāo)形狀為橢圓的假設(shè),因此在目標(biāo)形狀非橢圓時,跟蹤精度下降。為了解決該問題,提出的NEM-GIW-PHD濾波算法基于非橢圓形狀目標(biāo)的量測模型,改進(jìn)了原GIW-PHD濾波算法中的似然函數(shù)計算公式,并使用B樣條形狀擬合的方法估計目標(biāo)形狀,然后改進(jìn)了SSP算法,使其可以劃分不規(guī)則形狀目標(biāo)的量測集。仿真結(jié)果表明,在跟蹤非橢圓形狀多擴展目標(biāo)時,提出的NEM-GIW-PHD算法精度高于標(biāo)準(zhǔn)的GIW-PHD算法。
【學(xué)位授予單位】：江南大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP212;TP301.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王震;敬忠良;雷明;秦彥源;董鵬;;基于PHD的多擴展目標(biāo)聯(lián)合檢測、跟蹤與分類算法[J];上海交通大學(xué)學(xué)報;2015年11期

2 邱昊;黃高明;左煒;高俊;;多模型標(biāo)簽多伯努利機動目標(biāo)跟蹤算法[J];系統(tǒng)工程與電子技術(shù);2015年12期

3 連峰;馬冬冬;元向輝;陳文;韓崇昭;;擴展目標(biāo)CBMeMBer濾波器及其高斯混合實現(xiàn)[J];控制與決策;2015年04期

4 李翠蕓;王榮;姬紅兵;;基于變分貝葉斯勢均衡多目標(biāo)多伯努利濾波的多擴展目標(biāo)跟蹤算法[J];控制理論與應(yīng)用;2015年02期

5 張光華;連峰;韓崇昭;姚玲玲;;高斯混合擴展目標(biāo)多伯努利濾波器[J];西安交通大學(xué)學(xué)報;2014年10期

6 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(biāo)跟蹤方法[J];紅外與毫米波學(xué)報;2014年02期

7 韓玉蘭;朱洪艷;韓崇昭;王靜;;多擴展目標(biāo)的高斯混合概率假設(shè)密度濾波器[J];西安交通大學(xué)學(xué)報;2014年04期

8 李波睿;慕春棣;白天明;柳志娟;;一種混合的擴展目標(biāo)跟蹤方法[J];航空學(xué)報;2014年05期

9 林慶;徐小剛;詹永照;廖定安;楊亞萍;;基于混合粒子PHD濾波的多目標(biāo)視頻跟蹤[J];模式識別與人工智能;2013年09期

10 張慧;徐暉;王雪瑩;王鐵兵;;一種基于橢圓隨機超曲面模型的群目標(biāo)高斯混合PHD濾波器[J];光學(xué)學(xué)報;2013年09期

相關(guān)博士學(xué)位論文 前7條

1 張歡慶;基于隨機有限集的多目標(biāo)跟蹤及航跡維持算法研究[D];江南大學(xué);2017年

2 胡錦龍;擴展目標(biāo)特征提取與跟蹤技術(shù)研究[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2015年

3 崔雄文;復(fù)雜背景下擴展目標(biāo)跟蹤技術(shù)研究[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2015年

4 張慧;天基紅外傳感器對中段目標(biāo)群跟蹤技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 張永權(quán);隨機有限集擴展目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2014年

6 鐘權(quán);地空背景下擴展目標(biāo)穩(wěn)定跟蹤技術(shù)研究[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2014年

7 李軍;擴展目標(biāo)的雷達(dá)檢測技術(shù)及其應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2011年

本文編號：2777628