收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

智能传感器侦察网络中的目标跟踪算法研究

肖延国  
【摘要】: 粒子滤波算法是一种基于非参数的蒙特卡洛方法的近似贝叶斯滤波算法,具有算法简洁,使用灵活,容易实现,同时具有较好的并行结构等特点,适用于传统方法很难解决的非线性目标跟踪问题。其跟踪精度可以逼近最优估计。 本文结合实际应用需求,针对智能传感侦察网络中的机动目标跟踪问题开展研究工作。主要研究内容以粒子滤波算法为核心,分别从分布式算法设计与实现,纯方位角机动目标跟踪滤波发散问题的解决以及传感器网络节点能力受限条件下的多目标跟踪等三个方面的内容进行深入的研究,主要的研究内容和成果如下: 对目前机动目标跟踪的机动目标模型和跟踪算法做全面、系统的讨论。首先从机动模型入手,对适用于地面目标的模型做详尽的介绍。其次,对目前常用的目标跟踪算法进行归纳和总结,深入讨论其原理与适用范围。并在此基础上从贝叶斯重要性采样原理入手,详尽探讨粒子滤波的原理,以及基本的序列粒子滤波算法。接着对粒子滤波中的粒子退化问题现象和问题原因进行详细阐述,并介绍部分粒子滤波的改进算法。最后,通过仿真,比较扩展卡尔曼滤波算法和粒子滤波算法,证实粒子滤波能够很好的解决机动目标跟踪中的非线性问题,对目标的机动性有很好的适应能力。 首次提出一种分布式Unscented粒子滤波目标跟踪算法。针对智能无线传感侦察网络,存在着传感节点能量受限,通信受限的特点。首次将UT变换引入分布式粒子滤波算法,以解决现有的分布式粒子滤波算法网络通信负荷重,节点能量消耗高的缺点。UT变换为粒子滤波算法提供更为准确的建议分布,从而提高粒子的使用效率,降低粒子数量,并且UT变换能够降低粒子退化现象的发生。仿真表明,分布式Unscented粒子滤波能够有效的减少网络的通信流量,提高跟踪精度。 提出一种神经元网络改进的Unscented粒子滤波算法。以解决纯方位角目标跟踪中Unscented粒子滤波算法存在的精度下降,滤波发散的问题。首先,通过对Unscented粒子滤波原理的阐述,定性分析纯方位角目标跟踪中滤波发散的原因。在此基础上,将神经元网络方法引入到机动目标跟踪中。神经元网络的学习,记忆能力能够有效地改进重要性分布,提高Unscented粒子滤波对信噪比变化的适应能力。仿真表明,该算法只需增加少量的计算时间,就可以提高目标跟踪的精度,减少滤波发散几率。 首次对智能传感器侦察网络中多目标跟踪问题进行深入系统的研究,并在此基础上提出基于预测的多目标跟踪算法。通过研究无线传感器网络中的多目标跟踪的特有问题,第一次提出多目标跟踪问题的局部性特征和量测信息的信号混叠特性,即多目标跟踪问题仅发生在传感器网络监测的局部区域,并且发生时,传感节点的探测信号是多个目标信号混叠而成。在此基础上,提出一种新的基于预测的多目标粒子滤波算法。该算法充分利用滤波跟踪的历史信息,结合粒子滤波的预测结果,对传感节点探测信号进行分离,从而是实现多目标跟踪。仿真实验证明,基于预测的多目标跟踪算法能够用较小的计算代价,解决多目标跟踪问题,满足实用系统需求。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 邱晓波 ,杜峰;目标自动跟踪与信息处理综合系统的研究与现实[J];情报指挥控制系统与仿真技术;2001年02期
2 陈非,敬忠良,李锋;空基多平台多传感器机动目标自适应跟踪[J];上海交通大学学报;2003年04期
3 王晟达;韩崇昭;贺建文;;一种用于复杂运动目标跟踪的新技术[J];弹箭与制导学报;2003年S4期
4 任少伟,王睿,张平定;基于机动频率自适应的目标跟踪算法[J];空军工程大学学报(自然科学版);2004年05期
5 胡振涛,刘先省;基于“当前”统计模型的一种改进机动目标跟踪算法[J];山东大学学报(工学版);2005年03期
6 罗笑冰;王宏强;黎湘;庄钊文;;机动目标跟踪α-jerk模型[J];信号处理;2007年04期
7 何广军;张志伟;吴剑锋;;机动目标跟踪的HIMM算法研究[J];电光与控制;2009年12期
8 李鹏飞;黄建军;黄敬雄;万明杰;李良群;;一种模糊Kalman滤波机动目标跟踪的新算法[J];数据采集与处理;2009年04期
9 刘长江;袁俊泉;马维嵘;丁顺宝;;径向速度量测在机动目标跟踪中的应用[J];现代雷达;2010年06期
10 潘泉;机动目标跟踪双滤波器模型及自适应算法[J];控制理论与应用;1995年04期
11 张永胜 ,嵇成新;机动目标跟踪的模式集自适应IMM算法的设计和比较[J];情报指挥控制系统与仿真技术;2001年08期
12 杨宜康,黄永宣,祝转民,李济生;利用数值微分构造机动目标跟踪的估计模型:原理和应用[J];电子学报;2002年12期
13 嵇成新,张永胜;机动目标跟踪的一种模糊算法[J];现代雷达;2002年06期
14 郭春,罗鹏飞;一种基于小波变换的机动目标跟踪算法研究[J];系统工程与电子技术;2002年06期
15 孙志刚;仅有角度量测的红外机动目标跟踪[J];激光与红外;2004年06期
16 刘梅,权太范,姚天宾;基于增量学习神经模糊网络的机动目标跟踪[J];电子学报;2005年11期
17 张丕旭;张鑫;张财;王宪洲;谢君;石章松;;比例导引下的机动目标跟踪算法仿真研究[J];舰船电子工程;2007年01期
18 朱志宇;;基于UKF的闪烁噪声机动目标跟踪[J];计算机仿真;2007年11期
19 王亚利;林家骏;;基于粒子滤波的机动目标跟踪[J];计算机工程与应用;2007年34期
20 陈佳俊;刘高峰;王华楠;;自适应交互式多模型算法改进探讨[J];舰船电子工程;2008年12期
中国重要会议论文全文数据库 前10条
1 巴宏欣;赵宗贵;刘海燕;杨飞;曹雷;;一种机动目标跟踪的交互式多模型算法[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年
2 单甘霖;朱纪洪;王子栋;郭治;;具有有色噪声和指定预测方差的目标跟踪[A];1994中国控制与决策学术年会论文集[C];1994年
3 邱晓波;周启煌;窦丽华;;机动目标跟踪的参数辨识模型[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
4 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
5 张莎;杨小军;;Kalman滤波在光电测控系统中的应用[A];2010振动与噪声测试峰会论文集[C];2010年
6 王成;李卓林;;雷达数据处理技术研究[A];四川省电子学会雷达与火控、电子线路与系统专业委员会学术交流会10周年优秀论文集[C];2006年
7 胡振涛;刘先省;;基于“当前”统计模型的一种改进机动目标跟踪算法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
8 曲洪权;李少洪;;一种改进的机动目标跟踪算法[A];第十三届全国信号处理学术年会(CCSP-2007)论文集[C];2007年
9 朱自谦;;用于机动目标跟踪的复合机动模型及其应用[A];1992年中国控制与决策学术年会论文集[C];1992年
10 潘泉;倪菱力;张洪才;;基于模糊控制器的自适应跟踪算法[A];1994中国控制与决策学术年会论文集[C];1994年
中国博士学位论文全文数据库 前10条
1 陈亮;机动目标跟踪关键技术研究[D];哈尔滨工程大学;2012年
2 何衍;机动目标跟踪与传感器网络自组织[D];浙江大学;2001年
3 李洪瑞;水下目标运动分析关键技术研究[D];南京理工大学;2009年
4 胡炜薇;多传感器数据融合中多目标跟踪关键技术研究[D];哈尔滨工程大学;2007年
5 高羽;自确认传感器理论及应用研究[D];复旦大学;2008年
6 党莹;强杂波下机动目标跟踪技术研究[D];中国科学院长春光学精密机械与物理研究所;2001年
7 徐洪奎;近程多基地雷达探测系统中快速跟踪方法研究[D];中国科学技术大学;2007年
8 尹建君;线性/非线性系统的混合动态滤波理论及应用[D];复旦大学;2008年
9 蒋荣欣;多机器人编队导航若干关键技术研究[D];浙江大学;2008年
10 李林;机动目标跟踪航迹生成的融合算法研究[D];国防科学技术大学;2008年
中国硕士学位论文全文数据库 前10条
1 郭睿利;地面机动目标跟踪算法研究[D];杭州电子科技大学;2012年
2 吴凡;基于非线性滤波的机动目标跟踪算法研究[D];西安电子科技大学;2010年
3 姜燕;多模型机动目标跟踪算法研究[D];太原理工大学;2010年
4 孙杰;大型机场场面机动目标跟踪算法研究[D];电子科技大学;2011年
5 蔡萌;机动目标跟踪方法研究[D];哈尔滨工业大学;2010年
6 潘宝贵;基于模糊控制的检测自适应机动目标跟踪算法研究[D];杭州电子科技大学;2013年
7 孙粲;机动目标跟踪交互式多模型算法研究[D];山东大学;2013年
8 刘德虎;基于变结构多模型算法的高机动目标跟踪研究[D];中国舰船研究院;2013年
9 姬存慧;基于交互多模型的机动目标跟踪算法研究及硬件实现[D];南京理工大学;2013年
10 翟茹玲;多传感器机动目标跟踪数据融合算法研究[D];重庆大学;2010年
中国重要报纸全文数据库 前1条
1 沈学锋 周玉杰 本报特约通讯员 潘正军;为保障植入“精确芯片”[N];解放军报;2008年
 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