多目标跟踪中的CPHD滤波算法研究

发布时间：2021-02-20 07:35

　　多目标跟踪技术作为信息处理领域中的一个重要分支,在国防和民用方面应用前景广阔。采用随机有限集（Random Finite Set,RFS）理论解决多目标跟踪问题,可以避免复杂的数据关联,不仅可以保证目标估计的精度,同时具有较好的实时性,其中,最具代表性的是概率假设密度（Probability Hypothesis Density,PHD）滤波算法和势概率假设密度（Cardinalized Probability Hypothesis Density,CPHD）滤波算法,然而,在低信噪比环境下,PHD滤波算法对目标数目的估计存在很大的误差,而CPHD滤波修正了PHD滤波对目标数目估计不准确的问题,提高了目标估计的精度。本文重点研究了CPHD滤波算法在多目标跟踪中的应用,具体内容包括:（1）针对多目标跟踪中的固定间隔平滑问题,将势概率假设密度滤波器和Rauch-Tung-Striebel（RTS）平滑器相结合,提出了基于RTS的势概率假设密度滤波平滑算法。考虑到在平滑过程中存在较大的输出延迟问题,采用分段思想,提出了分段RTS的势概率假设密度滤波平滑算法。首先,对需要平滑的估计值进行分段;... 

【文章来源】：西安工程大学陕西省

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

目标数目对比图

-100 -50 0 50 100-100-80-60-40-200x 坐 标y坐标-30 -20 -10 0 10 20 30 40 50-60-40-200x 坐 标y坐标图 4-1 量测图 图 4-2 GM-PHD 滤波图-30 -20 -10 0 10 20 30 40 50-60-40-200204060x 坐 标y坐标-30 -20 -10 0 10 20 30 40 50-60-40-200204060x 坐 标y坐标图 4-3 GM-PHDR 滤波图 图 4-4 GM-PHDR 平滑图


本文编号：3042455