在LOS/NLOS混合环境下的机动目标跟踪

发布时间：2021-01-12 15:05

　　随着人们对于位置信息的需求逐渐增多,以及相应专业方向的深入研究,目标跟踪领域得到了更广泛的关注与推动。在跟踪的过程中,非视距传播（None-line-of-sight,NLOS）、多径效应、信道噪声等严重影响着跟踪的准确性。其中,非视距传播对定位精度的影响最大。本文较为全面的讨论和研究了在视距（Line-of-sight,LOS）和非视距混合环境下的无线定位问题,给出了两种解决方法。另外,本文将研究对象从单目标扩展至多目标,提出了基于概率假设密度的多机动目标跟踪方法。仿真结果表明,本文所提在LOS/NLOS混合环境下的机动目标跟踪方法有效可行,针对多目标的跟踪方法也能够保证较高的跟踪精度。本文首先简要介绍了目标跟踪的常见问题以及在LOS/NLOS混合环境下进行目标跟踪的研究背景与意义。简单分析了针对单机动目标跟踪和多机动目标跟踪的相关研究的发展现状。针对机动目标跟踪情景,阐述了几种经典的滤波方法,其中有Bayes滤波、扩展卡尔曼滤波（EKF）算法、无迹卡尔曼滤波（UKF）算法以及交互式多模型算法（Interacting Multiple Model,IMM）,这些经典方法为后文打下了坚... 

【文章来源】：湘潭大学湖南省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

基站分布及LOS/NLOS混合环境中各算法跟踪比较效果

环境信息变化情况：1表示NLOS传播，0表示LOS传播

LOS/NLOS混合环境中各算法跟踪误差比较效果

【参考文献】：
期刊论文
[1]无线传感器网络定位技术浅析[J]. 危厚琴,马惜平.  科技视界. 2015(31)
[2]基于数值积分粒子PHD多目标跟踪滤波算法[J]. 穆祥强,王朝英,危璋,孔云波.  电光与控制. 2015(11)
[3]多点测试的多模型机动目标跟踪算法[J]. 王伟,余玉揆.  自动化学报. 2015(06)
[4]观测最优分配的GM-PHD多目标跟踪算法[J]. 章涛,来燃,吴仁彪,陈敏.  信号处理. 2014(12)
[5]基于概率假设密度平滑器的低检测概率下多目标跟踪[J]. 于洋,司冠楠,宋建辉,刘砚菊.  信息与控制. 2014(04)
[6]未知探测概率下多目标PHD跟踪算法[J]. 吴鑫辉,黄高明,高俊.  控制与决策. 2014(01)
[7]LOS/NLOS环境中融合TOA与RSSI的IMM目标跟踪[J]. 周彦,欧阳宁烽,盛权,胡岚.  计算机工程与应用. 2013(22)
[8]LOS/NLOS混合环境中基于交互式多模型的鲁棒目标跟踪[J]. 欧阳宁烽,周彦,徐建闽.  计算机应用研究. 2013(11)
[9]多传感器优化部署下的机动目标协同跟踪算法[J]. 刘钦,刘峥,刘韵佛,谢荣.  系统工程与电子技术. 2013(02)
[10]移动机器人扩展卡尔曼滤波定位与传感器误差建模[J]. 安雷,张国良,张维平,敬斌.  信息与控制. 2012(04)



本文编号：2973008