标签箱粒子滤波及在多扩展/群目标跟踪中的应用
发布时间：2021-05-25 20:29
箱粒子滤波是蒙特卡洛方法与区间分析相结合的一种广义粒子滤波,运用区间分析,粒子在状态空间中呈现为可控且具有非零体积的多维矩形箱,因此被称为箱粒子滤波。与传统的点粒子相比,箱粒子具有处理非传统量测的优势,且能够用较少的粒子达到近似的滤波精度,提高了运算效率;另一方面,将随机集理论应用于多目标跟踪是目前目标跟踪领域的新潮流,随机集滤波可以通过集合对应避免数据关联,降低计算复杂度。因此,结合前者的高效滤波能力与后者避免航迹关联的优势,基于随机集的箱粒子滤波算法在近年来被广泛应用于多目标跟踪,扩展目标跟踪与群目标跟踪。然而,随机集滤波在避免数据关联的同时,也丢失了量测与目标状态的对应关系,因此基于随机集的箱粒子滤波在多目标跟踪中无法区分不同的目标。本文在传统箱粒子滤波和随机集滤波的框架下,提出了标签箱粒子随机集滤波,研究并实现了复杂环境下基于标签箱粒子随机集滤波的多扩展/群目标跟踪方法,主要工作如下:（1）标签箱粒子滤波算法研究。针对传统箱粒子滤波无法区分航迹的问题,提出标签箱粒子滤波,能够在继承箱粒子处理非传统量测及高效滤波能力的同时实现航迹区分。将标签箱粒子滤波与随机集滤波结合,给出了LB...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：100 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 多目标跟踪技术
1.2.2 多扩展目标跟踪技术
1.2.3 多群目标跟踪技术
1.3 论文的主要内容与章节安排
第二章 随机有限集滤波理论
2.1 引言
2.2 随机有限集理论基础
2.2.1 多目标密度函数
2.2.2 RFS量测模型
2.2.3 多目标似然函数
2.2.4 多目标贝叶斯规则
2.2.5 RFS多目标运动模型
2.2.6 多目标马尔可夫密度
2.2.7 随机集与随机矢量的对应关系
2.3 随机有限集滤波
2.3.1 RFS最优贝叶斯递推
2.3.2 PHD滤波算法
2.3.3 CPHD滤波算法
2.4 本章小结
第三章 标签箱粒子滤波理论
3.1 引言
3.2 箱粒子滤波
3.2.1 箱粒子滤波基础
3.2.2 箱粒子滤波算法
3.2.3 BP-PHD滤波算法
3.3 标签箱粒子滤波
3.3.1 标签箱粒子滤波理论
3.3.2 LBP-PHD滤波算法
3.4 真实验与分析
3.5 本章小结
第四章基于随机集的标签箱粒子多扩展目标跟踪
4.1 引言
4.1.1 扩展目标跟踪基础
4.1.2 多扩展目标PHD滤波
4.1.3 多扩展目标BP-PHD滤波
4.2 多扩展目标随机集滤波的标签箱粒子实现
4.2.1 标签箱粒子滤波信息补充
4.2.2 多扩展目标LBP-CPHD滤波算法
4.3 仿真实验与分析
4.4 本章小结
第五章 基于随机集的标签箱粒子多群目标跟踪
5.1 引言
5.2 群目标跟踪基础
5.3 可分辨群目标跟踪
5.3.1 演化网络模型
5.3.2 可分辨群目标BP-PHD滤波算法
5.3.3 可分辨群目标LBP-PHD滤波算法
5.3.4 仿真实验与分析
5.4 不可分辨群目标跟踪
5.4.1 量测预处理
5.4.2 不可分辨群目标LBP-PHD滤波算法
5.4.3 仿真实验与分析
5.5 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]箱粒子PHD演化网络群目标跟踪算法[J]. 宋骊平,刘宇航,程轩. 控制与决策. 2018(01)
[2]基于箱粒子的多扩展目标PHD滤波[J]. 宋骊平,严超,姬红兵,梁萌. 控制与决策. 2015(10)
[3]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)
[4]基于均值漂移聚类的扩展目标量测集划分算法[J]. 刘风梅,葛洪伟,杨金龙,李鹏. 计算机工程. 2014(12)
[5]一种基于椭圆随机超曲面模型的群目标高斯混合PHD滤波器[J]. 张慧,徐晖,王雪莹,王铁兵. 光学学报. 2013(09)
[6]基于SMC-PHDF的部分可分辨的群目标跟踪算法[J]. 连峰,韩崇昭,刘伟峰,元向辉. 自动化学报. 2010(05)
硕士论文
[1]基于随机有限集的可分辨群目标跟踪算法研究[D]. 朱书军.杭州电子科技大学 2017
本文编号：3205960
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：100 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 多目标跟踪技术
1.2.2 多扩展目标跟踪技术
1.2.3 多群目标跟踪技术
1.3 论文的主要内容与章节安排
第二章 随机有限集滤波理论
2.1 引言
2.2 随机有限集理论基础
2.2.1 多目标密度函数
2.2.2 RFS量测模型
2.2.3 多目标似然函数
2.2.4 多目标贝叶斯规则
2.2.5 RFS多目标运动模型
2.2.6 多目标马尔可夫密度
2.2.7 随机集与随机矢量的对应关系
2.3 随机有限集滤波
2.3.1 RFS最优贝叶斯递推
2.3.2 PHD滤波算法
2.3.3 CPHD滤波算法
2.4 本章小结
第三章 标签箱粒子滤波理论
3.1 引言
3.2 箱粒子滤波
3.2.1 箱粒子滤波基础
3.2.2 箱粒子滤波算法
3.2.3 BP-PHD滤波算法
3.3 标签箱粒子滤波
3.3.1 标签箱粒子滤波理论
3.3.2 LBP-PHD滤波算法
3.4 真实验与分析
3.5 本章小结
第四章基于随机集的标签箱粒子多扩展目标跟踪
4.1 引言
4.1.1 扩展目标跟踪基础
4.1.2 多扩展目标PHD滤波
4.1.3 多扩展目标BP-PHD滤波
4.2 多扩展目标随机集滤波的标签箱粒子实现
4.2.1 标签箱粒子滤波信息补充
4.2.2 多扩展目标LBP-CPHD滤波算法
4.3 仿真实验与分析
4.4 本章小结
第五章 基于随机集的标签箱粒子多群目标跟踪
5.1 引言
5.2 群目标跟踪基础
5.3 可分辨群目标跟踪
5.3.1 演化网络模型
5.3.2 可分辨群目标BP-PHD滤波算法
5.3.3 可分辨群目标LBP-PHD滤波算法
5.3.4 仿真实验与分析
5.4 不可分辨群目标跟踪
5.4.1 量测预处理
5.4.2 不可分辨群目标LBP-PHD滤波算法
5.4.3 仿真实验与分析
5.5 本章小结
第六章 总结和展望
6.1 总结
6.2 展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]箱粒子PHD演化网络群目标跟踪算法[J]. 宋骊平,刘宇航,程轩. 控制与决策. 2018(01)
[2]基于箱粒子的多扩展目标PHD滤波[J]. 宋骊平,严超,姬红兵,梁萌. 控制与决策. 2015(10)
[3]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)
[4]基于均值漂移聚类的扩展目标量测集划分算法[J]. 刘风梅,葛洪伟,杨金龙,李鹏. 计算机工程. 2014(12)
[5]一种基于椭圆随机超曲面模型的群目标高斯混合PHD滤波器[J]. 张慧,徐晖,王雪莹,王铁兵. 光学学报. 2013(09)
[6]基于SMC-PHDF的部分可分辨的群目标跟踪算法[J]. 连峰,韩崇昭,刘伟峰,元向辉. 自动化学报. 2010(05)
硕士论文
[1]基于随机有限集的可分辨群目标跟踪算法研究[D]. 朱书军.杭州电子科技大学 2017
本文编号：3205960
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3205960.html
