收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于随机有限集的雷达多目标跟踪算法研究

胡子军  
【摘要】:多目标跟踪问题在军用和民用方面一直受到广泛关注,由于观测区域中新生目标的出现以及已有目标的丢失,加上传感器的检测不确定、观测值和目标的关联不确定以及杂波噪声导致的虚警,多目标跟踪即是利用传感器的观测集合,对时变目标个数以及对应的目标状态联合估计。随机有限集(RFS, Random Finite set)的贝叶斯估计方法是近年来快速发展的一类多目标跟踪算法。RFS类方法将各时刻多目标状态和观测值表征成RFSs,利用贝叶斯框架实现各时刻多目标状态的估计。相比于传统的基于关联的多目标跟踪算法,它避开了观测值与目标关联的问题。本文基于RFS理论,对雷达背景下的多目标跟踪问题进行了系统的研究,所取得的主要研究成果为:1.针对无源相参雷达系统背景下多个高速机动目标跟踪的问题,提出一种扩展的多模型(MM, multiple model)概率假设密度(PHD, Probability Hypothesis Density)滤波器的粒子滤波实现方法。传统的MMPHD假定新生目标的强度函数先验已知,但是无源雷达背景下新生目标可在监视区域任意位置出现,且速度取值范围大,此时传统方法失效。该算法基于传统MMPHD滤波器,利用各时刻远离多目标状态估计的定位结果,自适应初始化各时刻新出现的目标,有效跟踪多个高速机动目标。仿真实验验证了所给方法的有效性。2.针对标准的带势概率假设密度(CPHD,Cardinalized PHD)滤波器假定新生目标的强度函数先验己知,因而无法应用于新生目标在场景中任意位置出现的环境的问题,提出一种单步初始化的高斯混合CPHD(GMCPHD, Gaussian mixture CPHD)滤波器(GM-CPHD-I-DI)。该滤波器利用位置上远离当前时刻估计状态的观测值单步初始化新生目标。此外,多普勒信息一方面被用来初始化新生目标的速度,另一方面在滤波器更新步骤中,被用来再次更新径向距离和角度观测值更新的中间状态。相比于已有的自适应新生目标强度的PHD滤波器(GM-PHD-I-DI),所提算法对目标个数估计的标准差降低了70%以上,同时降低了联合表征目标个数和目标状态估计的优化子模式分配(OSPA, Optimal SubPattern Assignment)误差。3.针对传统的高斯混合(GM, Gaussian Mixture)多模型CPHD(MMCPHD)滤波器的计算复杂度高的问题,提出一种扩展的高斯混合带势概率假设密度滤波器跟踪机动目标(GM-BFGCPHD)。该扩展滤波器基于BFG估计方法,用一单模型方式表征多机动目标的预测强度函数和势分布,从而使得其更新等式独立于机动目标的运动模型。理论分析和仿真实验表明,相比于传统的GM-MMCPHD滤波器,在机动目标运动模型个数为M的情况下,GM-BFGCPHD滤波器在保证性能不损失的前提下,其算法复杂度降低了O(M)。4.针对传统的多模型RFS类方法假定杂波统计特性先验已知,不适用于未知杂波背景下的多机动目标跟踪的问题。以GMCPHD滤波器为基础,提出一种未知杂波下的多机动目标跟踪算法。该算法对目标和杂波分别独立建模,通过BFG估计方法对真实目标的强度函数进行预测,从而使多目标强度函数独立于机动目标的运动模型,实现各时刻真实目标的强度函数、杂波源期望个数以及真实目标和杂波源的混合势分布的迭代。仿真结果表明,该算法能够有效地联合估计多机动目标状态以及杂波期望个数。5.针对多站无源雷达背景下多起伏目标同时检测和跟踪的问题,提出一种基于多目标多伯努利(MeMBer, Multi-target Multi-Bernoulli)滤波器的多起伏目标检测前跟踪(TBD,Track-Before-Detect)算法。由于起伏目标的平均信噪比(SNR, Signal-to-Noise Ratio)未知使得目标的回波幅度似然函数不确定,假定包络检波器的输出平均SNR服从先验的均匀分布,并对可能取值区间进行边缘化处理,得到一个估计的似然函数,基于该估计的似然函数,融合中心利用所有收发对的幅度观测信息对MeMBer滤波器的各个预测分量进行更新。仿真结果表明,该算法能够有效地同时检测和跟踪多起伏目标,并且在平均SNR大于9dB时,其性能与平均SNR已知情况下的性能近似。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 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
2 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期
3 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期
4 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期
5 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期
6 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期
7 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期
8 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期
9 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期
10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期
11 石章松,刘忠,王树宗;一种单站纯方位目标跟踪算法研究[J];系统工程与电子技术;2005年02期
12 周进;吴钦章;;弱小目标跟踪算法性能评估的研究[J];光电工程;2007年01期
13 郑江滨;李秀秀;张艳宁;;视频监视中的运动目标跟踪算法[J];系统工程与电子技术;2007年11期
14 曲洪权;李少洪;;运动参数受限的目标跟踪算法研究[J];系统仿真学报;2008年09期
15 钟德华;夏翠艳;宋启敏;毛文龙;;多目标跟踪算法的研究与应用[J];计算机测量与控制;2008年06期
16 刘杰;董育宁;;基于预测和粒子滤波的运动目标跟踪算法[J];计算机工程与科学;2009年10期
17 李伟群;;一种改进的多关节目标跟踪算法[J];计算机应用研究;2011年02期
18 安国成;张凤军;王宏安;戴国忠;;多窗口目标跟踪算法[J];计算机研究与发展;2011年11期
19 孙世岩;王炳;张国栋;;一种基于满意滤波的纯方位目标跟踪算法[J];指挥控制与仿真;2012年06期
20 邹冈;石章松;刘忠;;基于协方差旋转变换的目标跟踪算法[J];电光与控制;2008年05期
中国重要会议论文全文数据库 前10条
1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集(上卷)[C];1995年
2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报(2005)[C];2005年
8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集(上册)[C];2009年
9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年
2 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年
3 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年
4 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年
5 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年
6 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年
7 赵运基;基于视觉的目标跟踪算法研究[D];华南理工大学;2012年
8 张健;面向能效优化的无线传感器网络分布式目标跟踪算法研究[D];东北大学;2011年
9 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
10 侯跃恩;基于稀疏表示的视觉目标跟踪算法研究[D];华南理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年
2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年
3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年
4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年
5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年
6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年
7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年
8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年
9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年
10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015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