收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

未知场景多伯努利滤波多目标跟踪算法研究

虎小龙  
【摘要】:随着雷达、声呐、红外、光电等传感器技术以及计算机硬件技术的飞速发展,多目标跟踪(Multi-target Tracking,MTT)在诸如空中交通管制、监视、导弹防御、自动驾驶、计算机视觉、生物医学、海洋学等领域的应用日益广泛。在未知且动态的复杂场景下,如何维持算法的有效性是MTT领域中的重点和难点。传统的贝叶斯MTT滤波算法主要基于数据关联的思想,即对目标和量测进行假设关联。当目标数目和量测数目较多时,关联复杂度急剧增加,严重影响了算法的适用性。随着随机有限集(Random Finite Set,RFS)理论的引入,传统滤波算法中的数据关联难题得到了有效地解决,使得MTT方法可以针对未知变化场景下的跟踪问题进行更为深入的研究。本论文在贝叶斯滤波框架下,针对基于RFS理论的跟踪算法,分别研究了未知新生环境、未知机动场景、未知杂波环境和未知检测概率环境下的参量建模问题,论文的主要内容和研究成果如下:1.研究了目标新生信息未知条件下的新生强度建模问题。未知新生密度模型通过当前时刻量测信息建模目标可能出现的区域,使得算法能够适应未知的目标新生。然而,由于没有考虑目标新生期望的分配问题,导致模型精度下降。为此,在势均衡多目标多伯努利(Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer)滤波框架下,本文提出了一种改进的未知新生密度跟踪算法。该算法通过当前时刻存活目标的预测信息构造分配函数,对目标新生期望进行更为合理的分配,从而提升未知新生模型的准确度。仿真结果表明,改进算法在未知的目标新生环境下具有良好的跟踪精度。2.研究了目标的新生概率建模问题及新生模型导致的算法实时性下降问题。在已有的新生模型中,先验已知且固定的目标新生期望数与实际情况相去甚远,因此无法得到准确的目标新生概率模型。针对此问题,提出了预处理步骤,通过当前时刻已知信息修正目标新生期望数,从而得到更为准确的新生概率模型。另一方面,相较于传统新生模型,未知新生模型的建模过程更为复杂,包含了更多的目标新生分量,在更新过程中增加了大量的似然计算,导致算法实时性下降。为此,提出了一种基于量测噪声的门限方法,通过削减大量无用量测似然提高了算法的运行效率。仿真结果表明,该方法在捕捉目标新生的同时,具有良好的跟踪精度和运算实时性。3.研究了机动场景下的未知运动模型参数建模问题。当目标运动模型参数发生突然变化时,交互多模型(Interacting Multiple Model,IMM)MTT方法难以对目标的机动进行匹配,除非对目标的运动模型集进行扩充以涵盖所有可能发生的参数变化,然而这样的处理方式缺乏效率。为此,本文提出了一种基于LW(Liu and West)滤波的未知参数估计方法,利用前一时刻粒子匹配突然变化的参数,并将此方法引入CBMeMBer滤波中实时估计运动模型,从而匹配目标的实际机动。仿真结果表明,此未知运动模型参数滤波算法适用性更强,在未知机动场景中具有良好的跟踪精度。4.研究了未知杂波率势概率假设密度(Cardinalized Probability Hypothesis Density,CPHD)滤波中的势分配失衡问题和未知检测概率滤波中的检测概率估计时延问题。由于更新漏检部分分式结构特殊,未知杂波率CPHD滤波在并行处理杂波“伪目标”和真实目标时会出现预测信息混合,从而导致杂波和目标势分配失衡。CBMeMBer滤波的更新漏检部分仅包含预测函数和漏检概率,不包含导致预测混合的特殊分式,因此将该杂波处理方法在CBMeMBer滤波框架下实现,可避免此势分配失衡问题。未知检测概率滤波通过贝塔分布拟合检测概率,其当前时刻估计值并不参与当前时刻的滤波运算,这就导致了时延的出现。为此,将联合估计与滤波算法拆分为两步,先通过贝塔分布结合当前时刻信息完成对检测概率的实时估计,再将估计值带入正式滤波运算中完成对目标状态的更新,从而避免滤波时延。仿真结果表明,未知杂波率CBMeMBer滤波修正了原算法中的势分配失衡问题,具有更好的跟踪精度。改进的未知检测概率滤波修正了检测概率估计中出现的时延问题,在信息积累阶段对检测概率估计和目标跟踪精度的提升尤为明显。以上四部分内容相辅相成,互相联系,为解决复杂场景下的多目标跟踪问题,提供了新的思路和相应的技术支撑。


知网文化
【相似文献】
中国期刊全文数据库 前13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 孟琭;李诚新;;近年目标跟踪算法短评——相关滤波与深度学习[J];中国图象图形学报;2019年07期
9 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
10 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
11 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
12 王岩;蒿兴华;杨顺云;;多假设多目标跟踪算法[J];数字通信世界;2019年08期
13 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
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 曾宪佑;复杂场景下鲁棒的目标跟踪算法研究[D];北京交通大学;2019年
2 李康;图像序列中鲁棒的视觉目标跟踪算法研究[D];武汉大学;2016年
3 杨森泉;基于稀疏分析的鲁棒目标跟踪研究[D];广东工业大学;2019年
4 虎小龙;未知场景多伯努利滤波多目标跟踪算法研究[D];西安电子科技大学;2019年
5 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
6 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
7 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
8 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
9 张铎;基于水下无线传感器网络的自组织目标跟踪算法研究[D];浙江大学;2019年
10 郭巳秋;基于TLD的粒子群目标跟踪理论与应用技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年
中国硕士学位论文全文数据库 前10条
1 王铎;时变数目多目标跟踪算法研究[D];上海交通大学;2016年
2 董凌翔;基于嵌入式的目标跟踪算法研究及其在移动终端上的实现[D];上海交通大学;2017年
3 熊江丰;基于孪生网络的实时视觉目标跟踪算法[D];华南理工大学;2019年
4 徐宁文;基于可见光和红外视频的在线目标跟踪算法研究[D];上海交通大学;2018年
5 刘汉语;基于核相关滤波的长时间实时目标跟踪算法研究[D];华南理工大学;2019年
6 李坦坦;基于信度传播的多传感器多目标跟踪算法研究[D];上海交通大学;2018年
7 胡聪;基于核相关滤波的目标跟踪算法研究[D];华南理工大学;2019年
8 张宇轩;多属性分类在雷达目标跟踪算法中的应用研究[D];上海交通大学;2018年
9 杨一丰;基于CNN的目标跟踪算法研究[D];电子科技大学;2019年
10 陈小旋;视频目标跟踪算法鲁棒性研究[D];广州大学;2019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