多伯努利滤波及其在目标跟踪中的应用
发布时间：2020-12-09 13:55
多伯努利算法（Multi-Bernoulli,MB）是随机有限集体系框架下一种具有代表性的滤波方法,具有科学、严谨的理论基础。近年来,因其在目标跟踪领域高效稳定的跟踪性能,同时能够避免数据关联,可有效解决目标跟踪中的不确定性问题,而受到广泛关注。然而,现有的研究算法中仍存在计算复杂度高,估计精度偏差等问题。本文基于MB滤波方法,从多模型算法及传感器控制策略两方面出发,提出相应的改进方案,以提高多目标跟踪的性能及扩展算法的适用性。论文开展了以下的研究工作:首先,针对如何提高多模型伯努利滤波（MM Bernoulli Filter,MMBF）算法的跟踪性能方面进行研究。现有的MMBF算法的粒子实现是根据模型概率分配粒子数量,导致概率小的模型的统计特性无法被完全表征,当目标运动模式变化时会使峰值误差大、收敛速度慢。本文提出了改进的MMBF实现方法,通过预先设定各个模型的粒子数量,并用模型似然计算模型后验概率,使得目标状态估计与模型概率估计分开进行,有效的克服了粒子个数少导致的模型切换不及时等问题。同时为了解决重采样粒子退化问题,利用权值大粒子去优化权值小的粒子。仿真结果表明所提方法可以减小峰...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 基于RFS的 MTT算法研究
1.2.2 基于RFS的 MTT中传感器控制研究
1.3 本文的研究内容和结构安排
第2章 基于随机有限集跟踪算法的理论基础
2.1 RFS理论基础
2.1.1 基本概念
2.1.2 随机有限集
2.1.3 基于RFS的多目标系统模型
2.2 多目标贝叶斯滤波器
2.3 近似多目标贝叶斯滤波器
2.3.1 Bernoulli滤波器
2.3.2 CBMeMBer滤波器
2.4 滤波器的性能评价指标
2.5 本章小结
第3章 多模型伯努利滤波
3.1 多模型算法
3.2 MM伯努利滤波
3.3 改进的多模型伯努利滤波
3.3.1 改进的MMBF算法
3.3.2 EMMBPF算法流程
3.4 算法程序伪码
3.5 仿真验证与分析
3.5.1 仿真环境设置
3.5.2 结果分析
3.6 本章小结
第4章 基于多伯努利滤波的传感器控制
4.1 基于信息论的传感器控制方法
4.2 基于MB滤波的传感器控制方法
4.2.1 CBMeMber的 SMC实现
4.2.2 CS距离的控制方法实现
4.3 算法程序伪码
4.4 算法仿真验证与分析
4.4.1 仿真环境设置
4.4.2 传感器指令集合
4.4.3 结果分析
4.5 本章小结
第5章 基于标签伯努利滤波的传感器控制
5.1 标签伯努利算法
5.2 基于LMB滤波的传感器控制方法
5.2.1 CS距离的控制方法实现
5.2.2 PEECS准则的控制方法实现
5.3 算法程序伪码
5.4 算法仿真与分析
5.4.1 仿真环境设置
5.4.2 结果分析
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于标签随机有限集滤波器的多扩展目标跟踪算法[J]. 曹倬,冯新喜,蒲磊,王雪,张琳琳. 系统工程与电子技术. 2018(03)
[2]多目标跟踪中基于信息熵测度的传感器控制方法[J]. 陈辉,贺忠良,刘备. 控制与决策. 2018(02)
[3]一种改进的多伯努利多目标跟踪算法[J]. 王海环,王俊. 西安电子科技大学学报. 2016(06)
[4]机动多目标跟踪中的传感器控制策略的研究[J]. 陈辉,韩崇昭. 自动化学报. 2016(04)
[5]基于箱式粒子滤波的群目标跟踪算法[J]. 李振兴,刘进忙,李松,白东颖,倪鹏. 自动化学报. 2015(04)
[6]基于拟蒙特卡罗的未知杂波GMP-PHD滤波器[J]. 李翠芸,江舟,姬红兵,曹潇男. 控制与决策. 2014(11)
博士论文
[1]基于随机有限集的多目标贝叶斯滤波方法研究[D]. 江同洋.浙江大学 2015
本文编号：2906971
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 基于RFS的 MTT算法研究
1.2.2 基于RFS的 MTT中传感器控制研究
1.3 本文的研究内容和结构安排
第2章 基于随机有限集跟踪算法的理论基础
2.1 RFS理论基础
2.1.1 基本概念
2.1.2 随机有限集
2.1.3 基于RFS的多目标系统模型
2.2 多目标贝叶斯滤波器
2.3 近似多目标贝叶斯滤波器
2.3.1 Bernoulli滤波器
2.3.2 CBMeMBer滤波器
2.4 滤波器的性能评价指标
2.5 本章小结
第3章 多模型伯努利滤波
3.1 多模型算法
3.2 MM伯努利滤波
3.3 改进的多模型伯努利滤波
3.3.1 改进的MMBF算法
3.3.2 EMMBPF算法流程
3.4 算法程序伪码
3.5 仿真验证与分析
3.5.1 仿真环境设置
3.5.2 结果分析
3.6 本章小结
第4章 基于多伯努利滤波的传感器控制
4.1 基于信息论的传感器控制方法
4.2 基于MB滤波的传感器控制方法
4.2.1 CBMeMber的 SMC实现
4.2.2 CS距离的控制方法实现
4.3 算法程序伪码
4.4 算法仿真验证与分析
4.4.1 仿真环境设置
4.4.2 传感器指令集合
4.4.3 结果分析
4.5 本章小结
第5章 基于标签伯努利滤波的传感器控制
5.1 标签伯努利算法
5.2 基于LMB滤波的传感器控制方法
5.2.1 CS距离的控制方法实现
5.2.2 PEECS准则的控制方法实现
5.3 算法程序伪码
5.4 算法仿真与分析
5.4.1 仿真环境设置
5.4.2 结果分析
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于标签随机有限集滤波器的多扩展目标跟踪算法[J]. 曹倬,冯新喜,蒲磊,王雪,张琳琳. 系统工程与电子技术. 2018(03)
[2]多目标跟踪中基于信息熵测度的传感器控制方法[J]. 陈辉,贺忠良,刘备. 控制与决策. 2018(02)
[3]一种改进的多伯努利多目标跟踪算法[J]. 王海环,王俊. 西安电子科技大学学报. 2016(06)
[4]机动多目标跟踪中的传感器控制策略的研究[J]. 陈辉,韩崇昭. 自动化学报. 2016(04)
[5]基于箱式粒子滤波的群目标跟踪算法[J]. 李振兴,刘进忙,李松,白东颖,倪鹏. 自动化学报. 2015(04)
[6]基于拟蒙特卡罗的未知杂波GMP-PHD滤波器[J]. 李翠芸,江舟,姬红兵,曹潇男. 控制与决策. 2014(11)
博士论文
[1]基于随机有限集的多目标贝叶斯滤波方法研究[D]. 江同洋.浙江大学 2015
本文编号：2906971
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2906971.html
