粒子滤波算法的研究及其在目标跟踪中的应用
发布时间：2021-05-05 20:19
粒子滤波算法（Particle Filter,简称PF）作为一种非线性、非高斯滤波方法,能够被应用于不同领域。粒子滤波算法本身具有很好的鲁棒性,在目标跟踪过程中,准确性和实时性是两个最基本的要求。粒子滤波作为一种实现对非线性、非高斯系统的滤波技术,能够对非线性运动目标进行较好的滤波跟踪,用于对目标的跟踪具有很好的鲁棒性。粒子滤波算法能够对复杂环境中的目标进行跟踪,但未能够把实际的观测信息加入到实时跟踪中,因此造成了大量计算的浪费,而且不能有效地表达出后验概率密度函数,存在粒子退化问题。重采样解决粒子退化问题降低了粒子的多样性,造成粒子多样性减少,当目标丢失或跟踪精度不够时,可能会导致系统不收敛,因此就造成了跟踪的不准确性。差分进化算法具有进化思想,通过不断迭代更新优化后代,差分进化思想解决粒子退化具有一定的可行性,针对差分进化变异率固定,导致经过若干次迭代之后,后代样本间差异性变小,导致样本多样性减少,提出了变异率自适应的差分进化算法,变异过程中自适应的变异率使得大权值粒子变化不大而小权值粒子变化较大,小权值粒子通过变异寻得较优状态,优化了粒子采样集合,保持了粒子的多样性,粒子集合的分...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.3 本文的主要工作
1.4 论文结构安排
第二章 粒子滤波算法研究
2.1 概述
2.2 粒子滤波简介
2.2.1 贝叶斯原理与估计
2.2.2 蒙特卡罗分析
2.2.3 贝叶斯重要性采样
2.2.4 序贯重要性采样
2.2.5 序贯重要性采样的退化问题和重采样
2.3 粒子滤波算法
2.3.1 标准粒子滤波概述
2.3.2 粒子滤波算法步骤
2.3.3 算法流程
2.3.4 粒子滤波实例化
2.4 本章小节
第三章 差分进化改进粒子滤波算法研究
3.1 概述
3.2 差分进化算法
3.2.1 差分进化理论
3.2.2 差分进化基本原理
3.2.3 算法流程
3.3 差分进化算法和粒子滤波算法的比较
3.4 差分进化算法改进的粒子滤波算法研究
3.4.1 算法步骤
3.4.2 算法流程
3.5 变异率自适应的差分进化改进的粒子滤波算法
3.5.1 算法步骤
3.5.2 算法流程
3.6 实验平台简介及误差
3.6.1 实验平台介绍
3.6.2 跟踪误差
3.7 仿真结果与分析
3.7.1 仿真场景一
3.7.2 仿真场景二
3.7.3 仿真结果分析
3.8 本章小节
第四章 改进粒子滤波算法在目标跟踪中的应用
4.1 引言
4.2 改进算法在转弯模型中的应用
4.2.1 CT运动模型
4.2.2 仿真场景一
4.2.3 仿真场景二
4.2.4 仿真场景三
4.2.5 仿真结果分析
4.3 改进算法在多模型中的应用
4.3.1 多模算法概述
4.3.2 交互式多模算法
4.3.3 交互多模粒子滤波算法
4.3.4 仿真场景
4.3.5 仿真结果分析
4.4 仿真结果与分析
4.4.1 仿真场景一
4.4.2 仿真场景二
4.4.3 仿真场景三
4.5 本章小节
第五章 总结和展望
5.1 总结
5.2 展望
参考文献
致谢
作者攻读硕士学位期间的学术成果
【参考文献】：
期刊论文
[1]采用GPU并行架构的基于互信息和粒子群算法的异源图像配准[J]. 余春超,杨智雄,夏宗泽,袁小春,严敏. 红外技术. 2016(11)
[2]交互式多模型粒子滤波优化重采样算法[J]. 周卫东,孙天,储敏,崔艳青. 北京航空航天大学学报. 2017(05)
[3]一种改进的粒子滤波目标跟踪算法[J]. 马兆南,裴腾达,张浩. 辽宁工程技术大学学报(自然科学版). 2016(09)
[4]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)
[5]改进粒子滤波算法及其在目标跟踪中的应用[J]. 王龙,夏厚培. 信息技术. 2013(02)
[6]粒子群优化人工免疫粒子滤波器[J]. 杜正聪,冯大海,牛高远. 四川大学学报(工程科学版). 2013(01)
[7]基于混合采样的多模型机动目标跟踪算法[J]. 王晓,韩崇昭. 自动化学报. 2013(07)
[8]基于观测似然重要性采样的粒子滤波算法[J]. 高建坡,韦志辉,孟迎军,吴镇扬. 系统仿真学报. 2009(12)
博士论文
[1]雷达机动目标运动模型与跟踪算法研究[D]. 刘昌云.西安电子科技大学 2014
本文编号：3170521
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：78 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.3 本文的主要工作
1.4 论文结构安排
第二章 粒子滤波算法研究
2.1 概述
2.2 粒子滤波简介
2.2.1 贝叶斯原理与估计
2.2.2 蒙特卡罗分析
2.2.3 贝叶斯重要性采样
2.2.4 序贯重要性采样
2.2.5 序贯重要性采样的退化问题和重采样
2.3 粒子滤波算法
2.3.1 标准粒子滤波概述
2.3.2 粒子滤波算法步骤
2.3.3 算法流程
2.3.4 粒子滤波实例化
2.4 本章小节
第三章 差分进化改进粒子滤波算法研究
3.1 概述
3.2 差分进化算法
3.2.1 差分进化理论
3.2.2 差分进化基本原理
3.2.3 算法流程
3.3 差分进化算法和粒子滤波算法的比较
3.4 差分进化算法改进的粒子滤波算法研究
3.4.1 算法步骤
3.4.2 算法流程
3.5 变异率自适应的差分进化改进的粒子滤波算法
3.5.1 算法步骤
3.5.2 算法流程
3.6 实验平台简介及误差
3.6.1 实验平台介绍
3.6.2 跟踪误差
3.7 仿真结果与分析
3.7.1 仿真场景一
3.7.2 仿真场景二
3.7.3 仿真结果分析
3.8 本章小节
第四章 改进粒子滤波算法在目标跟踪中的应用
4.1 引言
4.2 改进算法在转弯模型中的应用
4.2.1 CT运动模型
4.2.2 仿真场景一
4.2.3 仿真场景二
4.2.4 仿真场景三
4.2.5 仿真结果分析
4.3 改进算法在多模型中的应用
4.3.1 多模算法概述
4.3.2 交互式多模算法
4.3.3 交互多模粒子滤波算法
4.3.4 仿真场景
4.3.5 仿真结果分析
4.4 仿真结果与分析
4.4.1 仿真场景一
4.4.2 仿真场景二
4.4.3 仿真场景三
4.5 本章小节
第五章 总结和展望
5.1 总结
5.2 展望
参考文献
致谢
作者攻读硕士学位期间的学术成果
【参考文献】：
期刊论文
[1]采用GPU并行架构的基于互信息和粒子群算法的异源图像配准[J]. 余春超,杨智雄,夏宗泽,袁小春,严敏. 红外技术. 2016(11)
[2]交互式多模型粒子滤波优化重采样算法[J]. 周卫东,孙天,储敏,崔艳青. 北京航空航天大学学报. 2017(05)
[3]一种改进的粒子滤波目标跟踪算法[J]. 马兆南,裴腾达,张浩. 辽宁工程技术大学学报(自然科学版). 2016(09)
[4]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)
[5]改进粒子滤波算法及其在目标跟踪中的应用[J]. 王龙,夏厚培. 信息技术. 2013(02)
[6]粒子群优化人工免疫粒子滤波器[J]. 杜正聪,冯大海,牛高远. 四川大学学报(工程科学版). 2013(01)
[7]基于混合采样的多模型机动目标跟踪算法[J]. 王晓,韩崇昭. 自动化学报. 2013(07)
[8]基于观测似然重要性采样的粒子滤波算法[J]. 高建坡,韦志辉,孟迎军,吴镇扬. 系统仿真学报. 2009(12)
博士论文
[1]雷达机动目标运动模型与跟踪算法研究[D]. 刘昌云.西安电子科技大学 2014
本文编号：3170521
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3170521.html
