收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于随机矩阵的扩展目标跟踪算法研究

胡琪  
【摘要】:随着现代雷达、红外、激光等高分辨率传感器的快速发展,所能获得的目标信息更加丰富,然而传统点目标模型不能有效利用这些目标信息,因此迫切需要更加复杂的扩展目标模型以准确估计目标状态,对目标跟踪算法提出了新的挑战。对于传统的点目标跟踪,通常假设目标每个时刻至多产生一个量测,仅能估计目标的运动状态。对于扩展目标跟踪,由于目标每个时刻会产生多个量测,通过利用这些量测信息,扩展目标跟踪算法除了可以估计目标的运动状态之外,还可以估计目标的扩展、量测率以及类状态等,为后续的分类、识别等处理提供支撑。然而,由于目标跟踪环境和扩展目标本身的复杂性,扩展目标跟踪算法存在多目标跟踪框架计算复杂度高、目标扩展状态复杂形状估计能力不足,以及目标跟踪算法不适用于实际场景等问题,一直是目标跟踪领域的研究难点。近年来,随着随机矩阵和随机有限集(Random Finite Set,RFS)等新理论的出现,给上述问题的解决提供了新的思路。本文以随机矩阵理论为基础,重点研究基于RFS的多扩展目标跟踪框架构建和具有复杂形状的扩展目标扩展状态估计问题。论文的主要研究内容和成果如下:1.研究了多目标多贝努利(Multi-target Multi-Bernoulli,MeMBer)框架势存在的势估计有偏问题。为了得到闭合解,最初的MeMBer滤波框架推导采用了不恰当的近似,导致目标势估计有偏问题。虽然势均衡MeMBer滤波虽然修正了MeMBer滤波的势估计偏差,但代价是需要假设跟踪场景具有高的检测概率。为此,本文提出一种新的MeMBer滤波有偏势估计修正方法,在不增加额外假设的条件下,可实现MeMBer滤波框架的无偏估计。进而将其拓展至扩展目标跟踪场景,提出一种改进的多目标多贝努利扩展目标滤波算法。该算法能很好适应低检测概率跟踪环境,具有计算量小、状态估计精度高等优点。2.研究了多扩展目标联合跟踪与分类算法框架构建问题。扩展目标跟踪算法不仅能提供目标的扩展状态,还可以根据目标扩展状态的大小、结构等形状信息对目标进行分类。然而在提出扩展目标联合跟踪与分类算法之初,为了方便构建算法框架,仅考虑了较为理想的非机动、单目标跟踪问题,未考虑更符合实际跟踪情况的机动、多目标跟踪问题,难以应用于实际跟踪场景。为此,结合RFS理论,本文提出一种概率假设密度扩展目标联合跟踪与分类算法。该算法能准确给出目标数未知且时变的多目标势估计,同时可正确估计每个扩展目标的量测率、运动状态、扩展状态和类状态。3.研究了目标姿态机动情况下的非椭圆扩展目标算法合理描述扩展状态所需子椭圆数目变化的问题。非椭圆扩展目标算法利用多个子椭圆来估计目标的复杂形状,每个子椭圆独立描述非椭圆扩展目标的一部分,在估计复杂形状扩展状态的同时对目标进行分块,算法所使用的子椭圆数目一般设为固定常数。然而,实际应用中,随着目标与传感器之间空间几何关系的不断演变,以及目标在运动过程中做出的自旋、翻滚等动作,使传感器测得的目标形状也不断变化,致使描述目标复杂形状所需的子椭圆数称为变数。为此,本文提出一种子椭圆数目可变的非椭圆扩展目标跟踪算法。该算法通过设计子椭圆之间的合并和分解准则,能较好适应目标姿态的改变,可实时精确地估计非椭圆扩展目标的复杂扩展状态。4.研究了非椭圆扩展目标扩展状态估计易陷入局部最优的问题。在实际应用中,由于目标机动,不仅会引起描述复杂形状所需子椭圆数发生变化,也会出现多个子椭圆不合理地将目标复杂形状分块的情况,导致形状描述不准确,算法易陷入局部最优。此外,随着子椭圆数目的增加,算法的负担过重。为此,本文提出一种高效的非椭圆扩展状态估计算法。该算法通过综合应用量测聚类、邻接矩阵和概率前瞻等简化途径,不仅避免了非椭圆扩展状态估计陷入局部最优的问题,还大大减小了计算复杂度,具有良好的实际应用前景。


知网文化
【相似文献】
中国期刊全文数据库 前14条
1 杨凯杰;田畅;关文君;;快速目标跟踪算法及其嵌入式实现[J];军事通信技术;2016年04期
2 陈伟;祝恩;刘天航;殷建平;邱明辉;;目标跟踪算法的并行优化[J];计算机工程与科学;2016年11期
3 张涛;李继生;董恩国;;基于人脸识别的移动目标跟踪算法研究[J];现代制造技术与装备;2017年02期
4 李贺;;基于深度学习的目标跟踪算法研究综述[J];黑龙江科技信息;2017年17期
5 吴小俊;徐天阳;须文波;;基于相关滤波的视频目标跟踪算法综述[J];指挥信息系统与技术;2017年03期
6 王立新,戴冠中;一种分散化多站联合目标跟踪算法[J];航空学报;1988年03期
7 V.纳加拉简;R.N.沙马;肖万选;;改善边跟踪边搜索雷达的检测和跟踪性能的新方法(第二部分)——检测、航迹的产生与组合[J];雷达与对抗;1988年05期
8 窦慧;赵书斌;王强;;基于特征点的典型目标跟踪算法性能分析[J];指挥控制与仿真;2017年02期
9 王丽娜;;基于卡尔曼滤波的单模型目标跟踪算法的仿真研究[J];中国新通信;2016年10期
10 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
11 谢涛;;基于能效的动态分簇目标跟踪算法[J];西南大学学报(自然科学版);2016年11期
12 马世强;;一种基于卡尔曼滤波器的多目标跟踪算法研究[J];电子世界;2016年23期
13 马书红;;基于计算机视觉的运动目标跟踪算法的探讨[J];智库时代;2017年05期
14 储珺;朱陶;缪君;江烂达;;基于遮挡检测和时空上下文信息的目标跟踪算法[J];模式识别与人工智能;2017年08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 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
3 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
4 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
5 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
6 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
7 石章松;刘忠;;一种使用辅助变量的单站纯方位目标跟踪算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
8 段萌远;于俊清;王锦;;基于活动状态分类的多目标跟踪算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年
9 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
10 郭春;罗鹏飞;;一种基于小波变换的目标跟踪算法研究[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
中国博士学位论文全文数据库 前10条
1 产思贤;基于视觉系统的智能目标跟踪算法研究[D];浙江工业大学;2018年
2 王全辉;筛选式知识辅助多模型机动目标跟踪算法[D];深圳大学;2018年
3 胡琪;基于随机矩阵的扩展目标跟踪算法研究[D];西安电子科技大学;2018年
4 胡秀华;复杂场景中目标跟踪算法研究[D];西北工业大学;2017年
5 金加根;基于元数据的雷达目标检测和跟踪研究[D];武汉理工大学;2015年
6 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年
7 胡硕;基于小波理论的目标检测与快速目标跟踪算法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2006年
8 李安平;复杂环境下的视频目标跟踪算法研究[D];上海交通大学;2007年
9 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年
10 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
中国硕士学位论文全文数据库 前10条
1 王睿;基于Mean Shift的目标跟踪算法研究[D];武汉大学;2017年
2 王永;基于孪生网络的目标跟踪算法及其在舰船场景中的应用研究[D];厦门大学;2018年
3 肖渤涛;复杂场景下的实时目标跟踪算法研究及DSP实现[D];中国石油大学(华东);2017年
4 张圆;基于图表示模型与学习方法的目标跟踪算法研究[D];安徽大学;2019年
5 赵周鼎;核相关滤波目标跟踪算法的研究及其嵌入式平台的实现[D];郑州大学;2019年
6 王润玲;多带宽融合的实时目标跟踪算法[D];北方工业大学;2019年
7 周启晨;基于深度学习的无人机对地目标跟踪算法研究[D];北方工业大学;2019年
8 湛西羊;基于直觉模糊聚类的视频多目标跟踪算法研究[D];深圳大学;2018年
9 王健;基于自适应巡航的多目标跟踪算法研究[D];合肥工业大学;2018年
10 刘佳琪;基于FPGA的目标跟踪系统设计与实现[D];沈阳工业大学;2018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