發(fā)布時(shí)間：2020-12-09 13:55

　　多伯努利算法（Multi-Bernoulli,MB）是隨機(jī)有限集體系框架下一種具有代表性的濾波方法,具有科學(xué)、嚴(yán)謹(jǐn)?shù)睦碚摶A(chǔ)。近年來,因其在目標(biāo)跟蹤領(lǐng)域高效穩(wěn)定的跟蹤性能,同時(shí)能夠避免數(shù)據(jù)關(guān)聯(lián),可有效解決目標(biāo)跟蹤中的不確定性問題,而受到廣泛關(guān)注。然而,現(xiàn)有的研究算法中仍存在計(jì)算復(fù)雜度高,估計(jì)精度偏差等問題。本文基于MB濾波方法,從多模型算法及傳感器控制策略兩方面出發(fā),提出相應(yīng)的改進(jìn)方案,以提高多目標(biāo)跟蹤的性能及擴(kuò)展算法的適用性。論文開展了以下的研究工作:首先,針對如何提高多模型伯努利濾波（MM Bernoulli Filter,MMBF）算法的跟蹤性能方面進(jìn)行研究。現(xiàn)有的MMBF算法的粒子實(shí)現(xiàn)是根據(jù)模型概率分配粒子數(shù)量,導(dǎo)致概率小的模型的統(tǒng)計(jì)特性無法被完全表征,當(dāng)目標(biāo)運(yùn)動模式變化時(shí)會使峰值誤差大、收斂速度慢。本文提出了改進(jìn)的MMBF實(shí)現(xiàn)方法,通過預(yù)先設(shè)定各個模型的粒子數(shù)量,并用模型似然計(jì)算模型后驗(yàn)概率,使得目標(biāo)狀態(tài)估計(jì)與模型概率估計(jì)分開進(jìn)行,有效的克服了粒子個數(shù)少導(dǎo)致的模型切換不及時(shí)等問題。同時(shí)為了解決重采樣粒子退化問題,利用權(quán)值大粒子去優(yōu)化權(quán)值小的粒子。仿真結(jié)果表明所提方法可以減小峰... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于RFS的 MTT算法研究
        1.2.2 基于RFS的 MTT中傳感器控制研究
    1.3 本文的研究內(nèi)容和結(jié)構(gòu)安排
第2章 基于隨機(jī)有限集跟蹤算法的理論基礎(chǔ)
    2.1 RFS理論基礎(chǔ)
        2.1.1 基本概念
        2.1.2 隨機(jī)有限集
        2.1.3 基于RFS的多目標(biāo)系統(tǒng)模型
    2.2 多目標(biāo)貝葉斯濾波器
    2.3 近似多目標(biāo)貝葉斯濾波器
        2.3.1 Bernoulli濾波器
        2.3.2 CBMeMBer濾波器
    2.4 濾波器的性能評價(jià)指標(biāo)
    2.5 本章小結(jié)
第3章 多模型伯努利濾波
    3.1 多模型算法
    3.2 MM伯努利濾波
    3.3 改進(jìn)的多模型伯努利濾波
        3.3.1 改進(jìn)的MMBF算法
        3.3.2 EMMBPF算法流程
    3.4 算法程序偽碼
    3.5 仿真驗(yàn)證與分析
        3.5.1 仿真環(huán)境設(shè)置
        3.5.2 結(jié)果分析
    3.6 本章小結(jié)
第4章 基于多伯努利濾波的傳感器控制
    4.1 基于信息論的傳感器控制方法
    4.2 基于MB濾波的傳感器控制方法
        4.2.1 CBMeMber的 SMC實(shí)現(xiàn)
        4.2.2 CS距離的控制方法實(shí)現(xiàn)
    4.3 算法程序偽碼
    4.4 算法仿真驗(yàn)證與分析
        4.4.1 仿真環(huán)境設(shè)置
        4.4.2 傳感器指令集合
        4.4.3 結(jié)果分析
    4.5 本章小結(jié)
第5章 基于標(biāo)簽伯努利濾波的傳感器控制
    5.1 標(biāo)簽伯努利算法
    5.2 基于LMB濾波的傳感器控制方法
        5.2.1 CS距離的控制方法實(shí)現(xiàn)
        5.2.2 PEECS準(zhǔn)則的控制方法實(shí)現(xiàn)
    5.3 算法程序偽碼
    5.4 算法仿真與分析
        5.4.1 仿真環(huán)境設(shè)置
        5.4.2 結(jié)果分析
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于標(biāo)簽隨機(jī)有限集濾波器的多擴(kuò)展目標(biāo)跟蹤算法[J]. 曹倬,馮新喜,蒲磊,王雪,張琳琳.  系統(tǒng)工程與電子技術(shù). 2018(03)
[2]多目標(biāo)跟蹤中基于信息熵測度的傳感器控制方法[J]. 陳輝,賀忠良,劉備.  控制與決策. 2018(02)
[3]一種改進(jìn)的多伯努利多目標(biāo)跟蹤算法[J]. 王海環(huán),王俊.  西安電子科技大學(xué)學(xué)報(bào). 2016(06)
[4]機(jī)動多目標(biāo)跟蹤中的傳感器控制策略的研究[J]. 陳輝,韓崇昭.  自動化學(xué)報(bào). 2016(04)
[5]基于箱式粒子濾波的群目標(biāo)跟蹤算法[J]. 李振興,劉進(jìn)忙,李松,白東穎,倪鵬.  自動化學(xué)報(bào). 2015(04)
[6]基于擬蒙特卡羅的未知雜波GMP-PHD濾波器[J]. 李翠蕓,江舟,姬紅兵,曹瀟男.  控制與決策. 2014(11)

博士論文
[1]基于隨機(jī)有限集的多目標(biāo)貝葉斯濾波方法研究[D]. 江同洋.浙江大學(xué) 2015



本文編號：2906971