未知型模参数条件下带势概率假设密度滤波器的多目标跟踪

发布时间：2020-07-19 09:46

【摘要】：近年来,越来越多专家投身于基于随机有限集(Random Finit Set,RFS)的多目标跟踪技术的研究中,多目标跟踪也被应用于军事和应用等领域。但是目标的跟踪环境随着科学技术的不断发展而变得日益复杂,为了适应这样的跟踪环境,各种多目标的应用系统对多目标跟踪的精度和性能等方面也提出了更高的要求,这对于原有的目标跟踪理论和方法来说是一个更大的挑战。所以,对多目标跟踪技术进行更深入的研究显的意义重大。在多目标跟踪过程中,多目标跟踪算法的性能和跟踪精度会受到很多因素的影响,比如量测的不确定性和目标的不确定性,其中,假定某些模型参数是先验已知的,但在实际跟踪环境中这些参数的真实取值与假设值并不吻合,这样就会导致目标的误跟或失跟。因此本文对基于自适应的多目标跟踪算法做了简单的综述,介绍了未知杂波、未知检测概率、未知新生目标强度、未知目标信噪比的带势概率假设密度(Cardinality Probability Hypothesis Density,CPHD)滤波器的滤波算法。其中如何在跟踪目标的过程中自适应的估计目标的检测概率、杂波数目和其空间分布是提高多目标跟踪算法性能的重要课题。在Mahler提出了能够自适应得到杂波率的CPHD滤波器和能够自适应得出目标检测概率的CPHD滤波器的基础上。针对未知杂波的CPHD滤波器和未知目标检测概率的CPHD都含有多个杂的积分项不能得到闭合的解析解的问题,本文中采用了高斯混合的实现方式给出这些滤波递复归的封闭形式。详细介绍了这两种滤波器高斯混合实现的滤波过程和代码编写过程,并在第三章和第四章的最后给出Matlab仿真实验。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN713
【图文】：

结构图,目标跟踪系统,结构图

长安大学硕士学位论文e,K.C.Chang，X.R.Li 等学者在 90 年代对概率多假设跟踪、随机有限集理互多模型和分布式融合进行了研究。直至 21 世纪，随机有限集理论得到关注，Mahler 针对其进行了深入研究，使得随机集理论在多目标跟踪技术的运用，成为近年来的一个研究热点，并且取得出许多研究成果。ckman 的《多目标跟踪及其在雷达中的应用》[26]；Y.Bar-Shalom 和 X.R.L多目标跟踪原理与技术》[27]；A.Farina,F.A.Studer 的《雷达数据处理》[28目标跟踪[29]就是使用传感器等工具获得各种观测数据，然后用各种不同的这些数据，以达到可以实时地检测到目标，并对多个目标的状态进行持续目的。也就是在时域和空域上把传感器检测到的数据和目标的状态估计信息融合[30]系统中目标跟踪是很重要的一个步骤，如图 1.1 所示是目标构图，其中，目标估计和跟踪类属于该系统的处理数据。

杂波,模型参数,目标运动模型,状态矩阵

23图 3.1 未知杂波 CPHD 的高斯混合实现总体流程图境下 CPHD 高斯混合实现的参数准备数滤波工作之前，需要首先准备一些相关的参数，包、目标的量测模型参数、目标和杂波的检测概率和的高斯分量以备预测步使用。中定义模型参数。定义目标的状态矩阵是 4 维的，Txkykxkyk[p,p;p,p],,,, ；本文的目标运动模型采用 CV

流程图,流程图,滤波方程,先验信息

27图 3.2 预测步流程图些给定参数的先验信息例如给据滤波方程对这些参数进行预函数(1)k 1v 、先验杂波生成器数目的高斯混合形式为， 11()1()1()1(1)1()(;,)kJiikikikkv x NxmP1(1) ( ) ( ) ( ) , 1 , | 1 , | 11 ( ; , )kJj j jS k k S k k S k k jp N x m P

【参考文献】