發(fā)布時(shí)間：2020-12-23 19:49

　　隨著計(jì)算機(jī)和控制技術(shù)的快速發(fā)展,粒子濾波成為研究非線性和非高斯系統(tǒng)最優(yōu)估計(jì)問題的一種有效方法,也被廣泛用于研究目標(biāo)跟蹤問題。本文研究了基于粒子濾波算法的多目標(biāo)跟蹤相關(guān)問題,具體工作如下:首先,針對存在閃爍噪聲的復(fù)雜環(huán)境中的目標(biāo)跟蹤問題,在傳統(tǒng)濾波技術(shù)的基礎(chǔ)上,結(jié)合粒子濾波與交互式多模型,提出了一種改進(jìn)的交互多模粒子濾波算法。該算法從依賴于觀測噪聲的觀測似然函數(shù)中提取粒子,并對觀測噪聲進(jìn)行建模,融合了最新的觀測信息,使得噪聲能被有效地跟蹤。通過計(jì)算機(jī)仿真實(shí)現(xiàn)該算法對閃爍噪聲環(huán)境中機(jī)動目標(biāo)的純方位跟蹤,并與原算法比較。結(jié)果表明本文提出的算法更精確,更接近高機(jī)動目標(biāo)的實(shí)時(shí)性跟蹤要求。其次,針對雜波情形中的多目標(biāo)跟蹤問題,通過引入基于最大熵模糊聚類的粒子濾波數(shù)據(jù)關(guān)聯(lián)算法來實(shí)現(xiàn)多個(gè)目標(biāo)之間的數(shù)據(jù)關(guān)聯(lián)。其中最大熵模糊聚類法用于計(jì)算模糊隸屬度矩陣,并以隸屬度代替各目標(biāo)與所得量測之間的聯(lián)合關(guān)聯(lián)概率,進(jìn)而計(jì)算重采樣粒子濾波中粒子的權(quán)值,并結(jié)合觀測數(shù)據(jù)實(shí)現(xiàn)目標(biāo)狀態(tài)之間的傳遞。仿真實(shí)驗(yàn)比較了本文算法、傳統(tǒng)的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法以及最近鄰數(shù)據(jù)關(guān)聯(lián)算法。結(jié)果顯示本文所提算法在干擾環(huán)境下跟蹤性能更優(yōu),在雜波情形下... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

目標(biāo)的運(yùn)動軌跡及其估計(jì)軌跡26

蹤中的機(jī)動問題以及閃爍噪聲問題，跟蹤結(jié)果更加精確。圖 3.2 目標(biāo)位置估計(jì)在 x 方向的均方根誤差圖 3.2 和圖 3.3 分別是目標(biāo)的位置估計(jì)在x方向和 y 方向的均方根誤差圖。實(shí)型曲線表示原有的IMM算法的均方根誤差曲線，虛線則是本文算法對目標(biāo)在x方向和 y方向的位置估計(jì)的均方根誤差曲線。從圖中可以明顯地看到，在對目標(biāo)的整個(gè)跟蹤過程中，相比與原有的 IMM 算法，新算法的均方根誤差 RMSE 總是更小的，尤其是在目標(biāo)發(fā)生機(jī)動時(shí)，IMMPF 算法對目標(biāo)的跟蹤仍保持相對穩(wěn)定，優(yōu)越性也更加明顯。整體來說

圖 3.3 目標(biāo)位置估計(jì)在 y 方向的均方根誤差4 本章小結(jié)本章在閃爍噪聲環(huán)境下，首先基于觀測似然函數(shù)與觀測噪聲之間的關(guān)系建立基于高斯混合分布的閃爍噪聲模型。然后在前人的研究基礎(chǔ)上，對粒子濾波算改進(jìn)，并將其結(jié)合到交互式多模型中，力求解決觀測噪聲為閃爍噪聲的機(jī)動目問題。最后通過計(jì)算機(jī)仿真實(shí)驗(yàn)進(jìn)一步證明了所提出算法的可行性。結(jié)果表明環(huán)境中存在閃爍噪聲時(shí)，使用本章提出的 IMMPF 算法進(jìn)行機(jī)動目標(biāo)跟蹤的效。并且相比于其它已有的算法，新算法具有更快的收斂速度和較強(qiáng)的魯棒性，非線性非高斯系統(tǒng)中的機(jī)動目標(biāo)跟蹤問題時(shí)具有較好的使用價(jià)值。

【參考文獻(xiàn)】：
期刊論文
[1]航空飛機(jī)雷達(dá)跟蹤目標(biāo)精度測量仿真[J]. 劉鑫,楊霄鵬,田士佳,薛陽.  計(jì)算機(jī)仿真. 2017(12)
[2]面向多目標(biāo)跟蹤的PHD濾波多傳感器數(shù)據(jù)融合算法[J]. 周治利,薛安克,申屠晗,彭冬亮.  火力與指揮控制. 2017(08)
[3]基于自適應(yīng)聚概率矩陣的JPDA算法研究[J]. 李首慶,徐洋.  西南交通大學(xué)學(xué)報(bào). 2017(02)
[4]聯(lián)合模糊聚類和擬蒙特卡羅重采樣的群目標(biāo)跟蹤算法[J]. 李振興,劉進(jìn)忙,李超,白東穎,郭相科.  控制理論與應(yīng)用. 2014(11)
[5]基于證據(jù)理論的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法[J]. 康健,李一兵,林云,謝紅.  系統(tǒng)工程與電子技術(shù). 2013(08)
[6]次優(yōu)聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法的研究[J]. 安振,姜秋喜,李業(yè)春.  現(xiàn)代雷達(dá). 2011(04)
[7]基于幅值信息的聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)粒子濾波算法[J]. 章飛,周杏鵬,陳小惠.  系統(tǒng)工程與電子技術(shù). 2011(02)
[8]面向目標(biāo)的概率多假設(shè)跟蹤算法[J]. 范炳藝,李建勛,劉坦.  航空學(xué)報(bào). 2010(12)
[9]IMM迭代擴(kuò)展卡爾曼粒子濾波跟蹤算法[J]. 張俊根,姬紅兵.  電子與信息學(xué)報(bào). 2010(05)
[10]混合線性/非線性模型的準(zhǔn)高斯Rao-Blackwellized粒子濾波法[J]. 莊澤森,張建秋,尹建君.  航空學(xué)報(bào). 2008(02)

碩士論文
[1]多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究[D]. 吳佳芯.西安電子科技大學(xué) 2013



本文編號：2934260