基于广义标签多伯努利滤波器的传感器管理方法研究

发布时间：2023-06-03 12:10

　　传感器管理技术一直是多目标跟踪领域中的热点研究课题。随着多源信息融合技术的高速发展,传感器管理技术面临着巨大的需求与挑战。因此,对于传感器管理技术的研究具有重大的理论意义与工程价值。多目标跟踪中的传感器管理问题,它本质上是一个时变联合决策与估计的过程。研究中一般通过合理的优化决策控制过程,控制有限的传感器来最大程度的获取跟踪目标信息。近些年来,基于有限集统计(Finite set statistics,FISST)的传感器管理方法由于其坚实的数学基础和深厚的研究背景而备受关注。鉴于此,本文基于有限集统计理论,利用广义标签多伯努利滤波器对多目标跟踪中的传感器管理进行深入研究。主要研究内容如下:1)针对多目标跟踪中的传感器管理问题,基于FISST理论,在部分可观察马尔可夫决策过程(Partially Observed Markov Decision processes,POMDP)框架下,研究了相应的传感器管理方法。首先,基于箱粒子实现形式的广义标签多伯努利(BOX-Generalized Labled Multi-Bernoulli,BOX-GLMB)滤波器实现多目标状态的滤波估值。在传...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 国内外研究现状总结
        1.2.2 传感器管理技术综述
        1.2.3 发展趋势
    1.3 论文的组织结构
第二章 FISST理论框架
    2.1 FISST理论基础
        2.1.1 RFS定义
        2.1.2 基于RFS的多目标建模
        2.1.3 FISST统计特性
    2.2 广义标签多伯努利(GLMB)滤波器
        2.2.1 标签随机有限集
        2.2.2 伯努利分布
        2.2.3 GLMB滤波器
    2.3 本章小结
第三章 基于蒙特卡罗方法实现的Rényi信息增量的传感器管理方法
    3.1 基于信息论的传感器管理方法
        3.1.1 POMDP理论框架
        3.1.2 基于POMDP理论的传感器管理一般方法
    3.2 BOX-GLMB滤波器基于Rényi信息增量的传感器管理方案
        3.2.1 BOX-GLMB滤波器
        3.2.2 Rényi信息增量
        3.2.3 基于蒙特卡罗方法的传感器评价函数求解
        3.2.4 传感器管理算法的求解步骤
    3.3 仿真实验与分析
        3.3.1 仿真场景设置
        3.3.2 仿真结果分析
    3.4 本章小结
第四章 基于R NYI信息增量与TSM函数的战场传感器管理算法
    4.1 战场中目标威胁度的度量
        4.1.1 影响目标威胁度的因素分析
        4.1.2 TSM函数
    4.2 基于POMDP理论的战场传感器管理一般方法
    4.3 基于TSM函数的传感器管理算法求解步骤
    4.4 仿真实验与分析
        4.4.1 仿真场景设置
        4.4.2 仿真结果分析
    4.5 本章小结
结论与展望
    结论
    展望
参考文献
攻读学位期间取得的研究成果
致谢



本文编号：3829312