基于信度传播的多传感器多目标跟踪算法研究
发布时间：2020-08-20 08:42
【摘要】：信度传播算法是一种基于用于快速求解马尔科夫随机场的算法。本文将建立适用于多传感器多目标跟踪的马尔科夫随机场模型,并给出了在此模型上的信度传播算法。在此基础上,本文给出了基于粒子信度传播的多目标跟踪算法,并首次提出了基于高斯混合信度传播的多目标跟踪算法。然后为了打破信度传播对跟踪目标数目的限制,提出了变结构信度传播算法,并给出了三种具体的变结构策略,即基于量测的变结构策略,基于联合起始的变结构策略与基于启发式逻辑的变结构策略。最后本文提出了一种融合随机有限集统计理论与信度传播算法的多目标跟踪算法,即信度传播概率假设密度滤波器。仿真实验表明,基于信度传播的多目标跟踪算法能完成噪声环境下的多目标跟踪,并且有着较高的精度。而基于信度传播的多目标跟踪算法能够根据实际目标数目,自适应调整潜在目标集合。并且基于启发式逻辑的变结构策略在性能上略优于基于联合起始的变结构策略,而两者性能显著优于基于量测的变结构策略。信度传播概率假设密度方法对比基于信度传播的多目标跟踪算法,有着更高的计算效率,而对比概率假设密度滤波器,有着更好的跟踪精度。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP212;TN713
【图文】：
( s)n 的条件概率质量函数 p (a , m | y )可以改写为加入量测分配向量的形式( ) ( ) ( )' ' ' '' 1 1( , , | ) ( , , | )n Ss s sn n n nn sp p M a b m y a b y (，单时刻单传感器的条件概率质量函数为( )( ) ( ) ( )( ) ( ) ( ) ( ) ( ), , , , ,1 1( , , | )( ) ( , , ; ) ( , ),sns s sn n n nMKs s s s sn n k n k n k n n k n mk mp MC M h r a M a b a b yx(全时刻全传感器条件概率质量函数，得到( )'',( ) ( ) ( ) ( )', ', ' ', ',' 1 1 1 1( , , | )( ) ( , , ; ) ( , ),snn kMn S Ks s s sn k n k n n k n mn s k mpC h r a M a b a b m ym x( C (m ) 是只与m 有关的归一化常数。这样就得到了带有冗余向量的概率，原先的高维的( )( )sn a 被许多低维的( ) ( ), ,( , )s sn k n m a b代替，则完成了该因子因子法。最后完成开放因子后的因子图见图 2-2。
2）分配向量迭代信度传播因子图2）The factor graph of loopy belief propagation on assignment vector图 2- 2 多目标跟踪算法的因子图Fig.2-2 The factor graph of target tracking 2-2 是某一跟踪步信度传播的因子图。为了简便起见，图（2）为图度传播模块的具体的展开。最后完成迭代信度传播后，将提{1,..., } K作为该步目标状态估计。模阶段已经表明，为了提取目标存在性与目标状态，最重要的是获态的后验概率分布函数,( | )n kf y z ，而信度传播方法给出了从全时刻目标X椆阕刺峙湎蛄坑肴哂喾峙湎蛄康牧细怕拭芏群
本文编号：2797775
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP212;TN713
【图文】：
( s)n 的条件概率质量函数 p (a , m | y )可以改写为加入量测分配向量的形式( ) ( ) ( )' ' ' '' 1 1( , , | ) ( , , | )n Ss s sn n n nn sp p M a b m y a b y (，单时刻单传感器的条件概率质量函数为( )( ) ( ) ( )( ) ( ) ( ) ( ) ( ), , , , ,1 1( , , | )( ) ( , , ; ) ( , ),sns s sn n n nMKs s s s sn n k n k n k n n k n mk mp MC M h r a M a b a b yx(全时刻全传感器条件概率质量函数，得到( )'',( ) ( ) ( ) ( )', ', ' ', ',' 1 1 1 1( , , | )( ) ( , , ; ) ( , ),snn kMn S Ks s s sn k n k n n k n mn s k mpC h r a M a b a b m ym x( C (m ) 是只与m 有关的归一化常数。这样就得到了带有冗余向量的概率，原先的高维的( )( )sn a 被许多低维的( ) ( ), ,( , )s sn k n m a b代替，则完成了该因子因子法。最后完成开放因子后的因子图见图 2-2。
2）分配向量迭代信度传播因子图2）The factor graph of loopy belief propagation on assignment vector图 2- 2 多目标跟踪算法的因子图Fig.2-2 The factor graph of target tracking 2-2 是某一跟踪步信度传播的因子图。为了简便起见，图（2）为图度传播模块的具体的展开。最后完成迭代信度传播后，将提{1,..., } K作为该步目标状态估计。模阶段已经表明，为了提取目标存在性与目标状态，最重要的是获态的后验概率分布函数,( | )n kf y z ，而信度传播方法给出了从全时刻目标X椆阕刺峙湎蛄坑肴哂喾峙湎蛄康牧细怕拭芏群
本文编号：2797775
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2797775.html
