收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

多传感器数据融合中多目标跟踪关键技术研究

胡炜薇  
【摘要】: 随着现代跟踪环境显著变化,隐身与反隐身、对抗与反对抗措施,强机动、高杂波、低检测率和高虚警率等问题出现,使得跟踪系统设计遇到了强劲的挑战。而且为了得到观测对象更全面、更准确的信息,各种面向复杂应用背景的多传感器数据融合技术越来越受到人们关注,它必将是未来战争夺取胜利的关键。多传感器多目标跟踪是数据融合的底层关键技术。它将多个传感器信息有机合成,估计目标的运动状态,产生比单一传感器更优越的跟踪性能。本文以多传感器数据融合为背景,研究了多目标跟踪技术三方面的关键技术:机动目标状态估计、数据关联以及特殊情况处理。主要研究内容及创新工作如下: 首先针对固定交互式多模型算法对目标进行状态估计时,对机动大的目标精度难以保证问题,提出基于期望系统噪声模型的自适应多模型算法。该算法自适应调整部分系统噪声模型,使之接近符合实际的系统噪声,提高了跟踪精度。 其次,对复杂环境下多传感器多目标数据关联困难问题,提出两种数据关联算法,均提高了数据关联效果。一种是改进的基于模糊C-均值聚类算法的数据关联算法。传统的基于FCM算法的数据关联,在目标和杂波较密集时容易出现关联错误。而改进算法它采用粗、精关联相结合方法:先用粗关联排除部分杂波,再用模糊C-均值聚类来实现精关联。在精关联时把多传感器关联转化为多个单传感器关联,更有效的实现多传感器多目标数据关联。关联后对同类量测融合,达到很好的状态跟踪;另一种是基于粒子群优化算法的S-维分配算法。S-维分配算法的最大问题在于S≥3时它的求解复杂度随着问题规模的增大呈指数规模增大。对此将它作化为组合优化问题,给出用粒子群优化算法更快速求解的方法。先在S-维算法执行前,用跟踪波门确认有效量测,降低后续计算量。再把交叉算子和变异算子引入粒子群优化算法,在粒子群初始化步骤以及交叉、变异操作时充分考虑确认备选量测,缩小优化搜索范围,更快找到最优解实现量测关联。 再次,针对传统的数据关联方法只利用那些与目标状态向量计算直接相关的运动学信息,用于关联的信息少、质量低,从而引起复杂环境下关联正确率低的现象,提出三种属性信息和运动信息结合的方案来提高关联性能。方案一:把分类信息和运动信息相结合,应用到综合概率关联算法。原综合概率关联算法,在回波密集时容易将各目标的综合量测混淆。因此利用分类混淆矩阵确定分类信息似然函数,再用它调节原算法只用运动学信息的似然函数,构造成一个综合两类信息的似然函数,从而修正互联概率,有效提高关联效果;方案二:同样利用分类信息似然函数,改造基于图模型航迹关联算法。针对原算法在复杂环境数据关联精度不高问题,同时利用两类信息修改顶点兼容函数和连线兼容函数,实现提高多传感器网络的数据关联目的;方案三:将多属性信息和运动学信息直接融合,应用到改进模糊C-均值聚类算法实现数据关联。在量测密集环境下,仅用运动学信息的聚类结果往往不是正确的关联结果,对此在所提算法中,在用运动信息同时,直接利用多特征信息计算聚类关键参数:样本间距离、隶属度,并能调节属性信息的影响度,从而更好的综合利用多属性信息实现数据关联。这种多信息融合使关联效果显著提高。 最后研究了两类数据融合系统可能遇到的不确定情况:野值和非顺序量测。对于野值:当融合中心存在野值时,如果不作对应处理,融合数据会出现较大偏差。对此提出一种具有实时剔野能力的多传感器航迹融合方法。该方法利用模糊C-均值算法对多传感器点迹聚类,根据类内紧凑度及各点迹隶属度,识别并剔除航迹中的野值。最后用预测估计代替野值进行数据融合。该方法在实现数据关联同时有效快速解决野值问题;对于无序量测,传统滤波器无法直接处理。针对非线性系统中,扩展卡尔曼滤波无序滤波精度不高的问题,提出一种最优和次优的无序量测无迹卡尔曼(UKF)滤波器。它基于UKF滤波,重新推导了多步滞后量测转化为等价的一步滞后量测进行直接滤波估计过程,存储负担小。通过仿真比较,可看出所述滤波器能在非线性系统中,能更有效的利用无序量测并提高跟踪性能。之后又研究了多个同时滞后的无序量测情况的处理,提出用基于改进FCM聚类的数据关联算法对滞后量测进行数据关联,使所提的UKF无序滤波器能有效处理多个无序量测进行直接更新,提高跟踪精度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 E.W.Kamen ,刘胜厚;基于对称测量方程的多目标跟踪[J];舰船电子工程;1996年03期
2 刘维亭,张冰,朱志宇;多目标跟踪中的目标位置及速度数据融合[J];船舶工程;2003年01期
3 张绪强;多目标跟踪中几种数据关联方法的比较[J];军民两用技术与产品;2005年10期
4 董春利;董育宁;王莉;;活动轮廓模型目标跟踪算法综述[J];计算机工程与应用;2008年34期
5 李艳斌;Hopfield人工神经网络在多目标跟踪中的应用[J];无线电通信技术;1994年03期
6 王宝树,李芳社;基于数据融合技术的多目标跟踪算法研究[J];西安电子科技大学学报;1998年03期
7 张文明,罗鹏飞,周一宇;多雷达多目标跟踪仿真系统软件设计[J];宇航学报;2001年05期
8 陈小惠,万德钧,王庆;分布式多传感器多目标跟踪融合算法[J];火力与指挥控制;2003年03期
9 党建武,黄建国;水下多目标跟踪技术[J];探测与控制学报;2003年01期
10 李密;吕钊;张扬;;一种实现地面多目标精确跟踪的算法[J];中国雷达;2003年02期
11 韩红,韩崇昭,朱洪艳,文戎;基于模糊推理多传感信息融合的多目标跟踪[J];控制与决策;2004年03期
12 刘晋霞,李定主,杨瑞光;基于边扫描边跟踪系统的多目标航迹起始相关[J];火力与指挥控制;2005年04期
13 吴志强;黄朝民;王丽;;基于多目标跟踪的航迹关联及滤波与预测分析[J];弹箭与制导学报;2006年S9期
14 赵艳丽;林辉;赵锋;王雪松;王国玉;;多目标跟踪中的数据关联和航迹管理[J];现代雷达;2007年03期
15 李建勋;崔翰明;;航空电子综合系统动态品质分析[J];微型电脑应用;2008年07期
16 孙凯;刘士荣;;多目标跟踪的改进Camshift/卡尔曼滤波组合算法[J];信息与控制;2009年01期
17 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期
18 丁振,潘泉,张洪才,戴冠中;多目标跟踪系统性能评估及软件包[J];现代雷达;1995年05期
19 胡文龙,毛士艺;多传感器多目标跟踪中的概率数据互联[J];电子学报;1996年09期
20 李建勋,敬忠良,戴冠中,金德琨;简化概率数据关联算法[J];航空学报;1997年01期
中国重要会议论文全文数据库 前10条
1 杨峰;梁彦;叶亮;潘泉;;多目标跟踪系统性能评估[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年
2 杨向锋;杨云川;陈曦;;鱼雷多目标跟踪门滤波方法[A];中国造船工程学会电子技术学术委员会2011年海战场电子信息技术学术年会论文集[C];2011年
3 邱本胜;徐莉;杨敬安;张奠成;;一种自动目标跟踪中的非中心跟踪门方法[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
4 夏志忠;王淑静;罗茂才;;多目标跟踪和模拟GPS数据的软件技术[A];船舶通信导航学术会议(1993)论文集[C];1993年
5 贾正望;李银伢;毛明秀;陈黎;郭治;;一种基于多目标跟踪的修正概率数据关联算法研究[A];2009中国控制与决策会议论文集(3)[C];2009年
6 侯志恒;曹玉东;;红外警戒系统的多目标跟踪[A];江苏、山东、河南、江西、黑龙江五省光学(激光)联合学术'05年会论文集[C];2005年
7 黄刚;韩元杰;朱长城;;修改的联合概率数据关联算法[A];2004中国控制与决策学术年会论文集[C];2004年
8 徐炳吉;段福兴;孟昭为;;一类多站联合多目标跟踪的分解合成算法[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年
9 张云峰;王洋;;基于视频信号的多目标跟踪方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年
10 王芝;徐晓滨;文成林;;混合高斯PHD滤波器及其在多目标跟踪中的应用[A];2009中国控制与决策会议论文集(2)[C];2009年
中国博士学位论文全文数据库 前10条
1 陈里铭;基于随机有限集的多目标跟踪方法研究[D];大连理工大学;2013年
2 连峰;基于随机有限集的多目标跟踪方法研究[D];西安交通大学;2009年
3 张鹤冰;概率假设密度滤波算法及其在多目标跟踪中的应用[D];哈尔滨工程大学;2012年
4 孟凡彬;基于随机集理论的多目标跟踪技术研究[D];哈尔滨工程大学;2010年
5 李彤;智能视频监控下的多目标跟踪技术研究[D];中国科学技术大学;2013年
6 易伟;基于检测前跟踪技术的多目标跟踪算法研究[D];电子科技大学;2012年
7 朱自谦;机载雷达多目标跟踪技术研究[D];南京航空航天大学;2010年
8 刘美;WSN多目标跟踪节点任务分配及跟踪算法研究[D];华南理工大学;2010年
9 欧阳成;基于随机集理论的被动多传感器多目标跟踪[D];西安电子科技大学;2012年
10 王安定;基于阵列信号处理的空间多目标跟踪[D];浙江大学;2010年
中国硕士学位论文全文数据库 前10条
1 林岚;基于神经网络的多目标跟踪数据融合研究[D];江西师范大学;2005年
2 侯连勇;基于滤波关联的视频多目标跟踪[D];西安电子科技大学;2011年
3 李宏芳;基于粗糙集多目标跟踪的数据融合算法研究[D];江西师范大学;2005年
4 沈健;数据融合多目标跟踪方法研究[D];西北工业大学;2003年
5 陈宏文;利用视频分割与粒子滤波实现多目标跟踪研究[D];浙江大学;2010年
6 梁敏;基于粒子滤波的多目标跟踪算法研究[D];西安电子科技大学;2010年
7 于江有;精子多目标跟踪算法的设计与实现[D];华南理工大学;2010年
8 兰艳亭;多传感器数据融合跟踪算法研究[D];中北大学;2006年
9 贺鹏;Hough变换航迹起始算法研究[D];西北工业大学;2007年
10 罗利强;某型雷达多目标跟踪算法的研究[D];西北工业大学;2004年
中国重要报纸全文数据库 前7条
1 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
2 徐超;停售零件,美要饿死伊朗F-14战机[N];新华每日电讯;2007年
3 汤颖;勤思结网锁长空 求索密织建丰功[N];中国航空报;2007年
4 本报记者 宋亚林 通讯员 张藏龙;“钩子大王”贾安年[N];中国航空报;2004年
5 黎时;日本的F-2战斗机[N];中国航空报;2004年
6 田龙生;“波斯猫”还有利爪吗?[N];中国国防报;2006年
7 王晓林 武彦;台军可能全球首获最强F-16[N];国防时报;2011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