收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于粒子滤波的弱目标检测前跟踪算法研究

龚亚信  
【摘要】: 检测前跟踪(track-before-detect,TBD)方法是当前弱目标(weak targets)检测与跟踪处理的重要手段。它与经典的检测后跟踪(track-after-detect,TAD)处理不同,直接采用未作门限处理或者低门限处理的传感器原始观测数据,充分挖掘数据中的有用信息,通过时间上的观测累积提升信噪比,同时实现弱目标的检测和跟踪——航迹提取。TBD作为一个典型的强非线性问题,粒子滤波(particle filter,PF)技术是一个合理的解决手段。本文采用粒子滤波,对弱目标的检测前跟踪实现算法开展研究工作,主要研究成果如下: 首先,建立了雷达和红外传感器的TBD处理模型。在此基础上研究了粒子滤波实现检测前跟踪(PF-TBD)的统一描述框架及其原理。根据该原理实现了一种简单的PF-TBD算法,通过仿真试验验证了粒子滤波实现弱目标TBD处理的可行性。此外,还讨论了多目标PF-TBD算法的实现要点。 其次,从PF-TBD实现原理研究结论出发,针对单传感器单目标配置,提出序贯概率比检验(SPRT)和固定样本长度(FSS)似然比检验相结合的检测算法(SPRT-FSS似然比联合检验),在粒子滤波的基础上,有效地实现了弱目标的TBD处理。针对机动目标,提出基于自适应多模型(AMM)的粒子滤波算法,结合SPRT-FSS似然比联合检验,解决了机动弱目标的TBD处理。 再次,针对多传感器配置,从两种思路开展了采用多传感器分布式融合的PF-TBD算法研究工作。⑴改进并完善了粒子状态融合算法。通过推导得到了简化的融合粒子权重计算式,采用Gibbs采样方法估计粒子间的融合对应关系;⑵提出了传感器节点间估计PDF的融合算法,称之为密度融合。各个传感器节点基于滤波粒子集,采用核函数概率密度估计(KDE)方法估计条件PDF,通过密度融合得到融合粒子集。文中证明了两种融合方式所得到的融合粒子未归一化权重都满足近似计算似然比的条件,确保了SPRT-FSS似然比联合检验的实施。相对于单传感器处理,两种分布式PF-TBD算法不仅降低了目标检测时延,而且在一定程度上改善了状态估计精度。 最后,利用梯度信息进行PF-TBD算法的性能优化研究,提出了一种双梯度粒子滤波算法。该算法在粒子滤波中加入梯度信息来改善粒子传递,以期用较少的粒子达到较好的检测与估计结果。算法采用两种梯度信息:⑴观测模型的梯度;⑵后验PDF的梯度。梯度信息的使用在保证检测性能和估计精度的同时,显著地降低了PF-TBD算法所需的粒子数量。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 于洪波;王国宏;王娜;;基于粒子滤波的扩展目标检测前跟踪算法[J];电光与控制;2010年08期
2 龚亚信;杨宏文;胡卫东;郁文贤;;粒子滤波连续帧图像中弱目标检测前跟踪的机理研究[J];中国图象图形学报;2010年02期
3 吴孙勇;廖桂生;杨志伟;李彩彩;;基于粒子滤波的检测前跟踪改进算法[J];控制与决策;2010年12期
4 龚亚信;杨宏文;胡卫东;郁文贤;;基于多模粒子滤波的机动弱目标检测前跟踪[J];电子与信息学报;2008年04期
5 吴孙勇;廖桂生;杨志伟;李彩彩;;基于改进粒子滤波的微弱目标检测前跟踪算法[J];系统工程与电子技术;2010年09期
6 樊玲;;基于裂变繁殖粒子滤波的检测前跟踪算法[J];计算机应用;2011年09期
7 龚亚信;杨宏文;胡卫东;郁文贤;;基于粒子滤波的弱目标检测前跟踪算法[J];系统工程与电子技术;2007年12期
8 吴孙勇;廖桂生;杨志伟;;改进粒子滤波的弱目标跟踪与检测[J];宇航学报;2010年10期
9 姚剑敏;孙俊喜;孙中森;宋建中;;基于粒子滤波的小波特征跟踪方法研究[J];计算机仿真;2006年01期
10 赵清杰;陈云蛟;张立群;;基于粒子滤波的雅可比矩阵在线估计技术[J];北京理工大学学报;2008年05期
11 李璟璟;伊国兴;张迎春;;基于粒子滤波的捷联成像导引头视线角速率估计[J];弹箭与制导学报;2009年02期
12 王浩;胡大伟;姚宏亮;何海燕;;动态贝叶斯网络的一种基于BK的粒子滤波推理算法[J];小型微型计算机系统;2009年07期
13 熊伟,何友,张晶炜;多传感器多目标粒子滤波算法[J];光电工程;2005年04期
14 陈养平;王来雄;黄士坦;;基于粒子滤波的神经网络学习算法[J];武汉大学学报(工学版);2006年06期
15 李良群;姬红兵;罗军辉;;杂波环境下被动多传感器机动目标跟踪新算法[J];电子与信息学报;2007年08期
16 于金霞;蔡自兴;段琢华;;基于粒子滤波的移动机器人定位关键技术研究综述[J];计算机应用研究;2007年11期
17 王欢;任明武;杨静宇;;一种多特征融合的粒子滤波跟踪新算法[J];计算机工程与应用;2007年25期
18 吴涛;汪立新;林孝焰;;基于MCMC方法的粒子滤波改进算法[J];杭州电子科技大学学报;2007年06期
19 徐茂格;宋耀良;刘力维;;基于粒子滤波的混沌信号盲分离[J];电子与信息学报;2007年12期
20 范乐昊;邱晓晖;;分布式粒子滤波算法在面向跟踪的无线传感器网络中的应用[J];南京邮电大学学报(自然科学版);2008年02期
中国重要会议论文全文数据库 前10条
1 宫轶松;归庆明;李保利;张灵敏;;基于均值漂移的粒子滤波算法设计及其在导航数据处理中的应用[A];第二届中国卫星导航学术年会电子文集[C];2011年
2 陈炳文;王文伟;秦前清;刘志刚;;基于时空融合和粒子滤波的红外弱小目标检测[A];第九届全国光电技术学术交流会论文集(上册)[C];2010年
3 詹武平;聂冲;;改进的UPF在GPS数据处理中的应用[A];全国第4届信号和智能信息处理与应用学术会议论文集[C];2010年
4 牛丽辉;蔡灿辉;;粒子滤波理论及其在目标跟踪中的应用[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年
5 高丙坤;李文超;王帅;;一种改进的粒子滤波跟踪算法[A];第二十九届中国控制会议论文集[C];2010年
6 管波;李宗涛;马龙华;;基于状态重建的改进粒子滤波算法在SINS/GPS中的应用研究[A];第二届中国卫星导航学术年会电子文集[C];2011年
7 王宁;陈常念;陈加忠;范晔斌;王冼;;标定环境下基于粒子滤波的行人跟踪方法[A];第七届和谐人机环境联合学术会议(HHME2011)论文集【oral】[C];2011年
8 王立琦;陈海云;燕小强;;一种改进的粒子滤波视频跟踪算法[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年
9 仝明磊;韩红;;随机字典的粒子滤波视频跟踪[A];第七届和谐人机环境联合学术会议(HHME2011)论文集【oral】[C];2011年
10 许化龙;夏克寒;曲从善;;粒子滤波及其在车辆航位推算中的应用[A];2004全国测控、计量与仪器仪表学术年会论文集(下册)[C];2004年
中国博士学位论文全文数据库 前10条
1 田隽;基于粒子滤波的视频目标跟踪算法的研究[D];中国矿业大学;2010年
2 宫轶松;粒子滤波算法研究及其在GPS/DR组合导航中的应用[D];解放军信息工程大学;2010年
3 龚亚信;基于粒子滤波的弱目标检测前跟踪算法研究[D];国防科学技术大学;2009年
4 王乐;卫星USB测控体制下信号特征参数的分析与识别[D];哈尔滨工业大学;2010年
5 罗飞腾;目标跟踪的粒子滤波技术研究[D];中国科学技术大学;2010年
6 周寿军;左心室MRI序列的运动跟踪新方法[D];第一军医大学;2004年
7 李涛;非线性滤波方法在导航系统中的应用研究[D];国防科学技术大学;2003年
8 徐茂格;混沌通信中的粒子滤波技术研究[D];南京理工大学;2008年
9 姚剑敏;粒子滤波跟踪方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2005年
10 肖延国;智能传感器侦察网络中的目标跟踪算法研究[D];中国科学技术大学;2007年
中国硕士学位论文全文数据库 前10条
1 吕晓凤;基于粒子滤波的红外弱小目标的检测前跟踪算法[D];哈尔滨工程大学;2008年
2 金梦珺;概率假设密度粒子滤波的算法与硬件实现研究[D];浙江大学;2011年
3 苟若愚;基于粒子滤波的运动目标跟踪算法研究与实现[D];重庆大学;2010年
4 张楠;基于粒子滤波的目标跟踪算法研究[D];广东工业大学;2011年
5 陈曦;基于粒子滤波的检测前跟踪算法研究[D];西安电子科技大学;2009年
6 冯卫娜;非线性系统参数和状态联合估计新算法研究[D];郑州大学;2010年
7 王洪;基于粒子滤波的飞行目标视频跟踪系统研究[D];武汉理工大学;2010年
8 钱翔;基于改进粒子滤波器目标跟踪算法研究[D];安徽大学;2010年
9 杜炳硕;基于粒子滤波的汽车防撞雷达研究[D];南京理工大学;2004年
10 杨涛;人脸检测与跟踪[D];西北工业大学;2004年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978