基于标签多伯努利滤波器的多目标跟踪算法研究

发布时间：2021-08-17 06:11

　　近些年来,基于随机集的多目标跟踪技术由于避免了数据关联,大大降低了运算复杂度,迅速成为多目标跟踪领域的研究热点。但随机集模型框架下的滤波算法本质上并非多目标跟踪器,因为并未提供目标航迹,目标仍不可区分。通过将标签思想引入随机集,很好地解决了航迹识别问题,基于此而发展出的广义标签多伯努利随机集（Generalized Labeled Multi-Bernoulli,GLMB）滤波器也得到广泛的应用拓展。本文重点研究了基于GLMB滤波器的多目标跟踪方法,具体研究内容安排如下:首先,介绍了GLMB滤波器和δ-GLMB滤波器的核心思想与实现方式。详细介绍随机有限集理论及其在贝叶斯框架下的多目标跟踪递推算法。在此基础上,介绍了GLMB和δ-GLMB滤波算法的核心思想,并给出了具体的预测及更新步骤。其次,针对条件联合决策估计算法在缺乏轨迹先验分布信息的条件下很难计算决策代价以及估计代价的问题,提出一种新的基于广义标签伯努利滤波器的多目标联合跟踪算法,将目标势估计代价、状态估计代价以及决策估计代价统一起来,通过代价最小化获得最优估计。同时,为解决传统δ-GLMB算法对新生目标估计误差较大的问题,提出... 

【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】：75 页

【学位级别】：硕士

【部分图文】：

目标真实轨迹，o/对应开始/结束

设置截断距离 c=100，阶数 p=1。为了验证算法平均性能，取 100 次蒙特卡罗实验平均效果，每次仿真目标状态和测量值均随机产生。图3.1给出了模拟场景中目标的真实运动轨迹。图3.2(a)(b)(c)分别为传统δ-GLMB、CJDE-δ-GLMB 和 ADP-CJDE-δ-GLMB 算法单次实验的跟踪结果。

图 3.3 和图 3.4 给出了三种算法在 100 次蒙特卡洛仿真下的平均势估计和 OSPA距离结果（每个时刻平均杂波数 =20）。图3.3 三种算法势估计

【参考文献】：
期刊论文
[1]基于变分贝叶斯势均衡多目标多伯努利滤波的多扩展目标跟踪算法[J]. 李翠芸,王荣,姬红兵.  控制理论与应用. 2015(02)
[2]改进的多模型粒子PHD和CPHD滤波算法[J]. 欧阳成,姬红兵,郭志强.  自动化学报. 2012(03)
[3]信息融合理论的基本方法与进展[J]. 潘泉,于昕,程咏梅,张洪才.  自动化学报. 2003(04)

博士论文
[1]粒子滤波及其在目标跟踪中的应用研究[D]. 张俊根.西安电子科技大学 2011
[2]被动多传感器探测目标跟踪技术研究[D]. 杨柏胜.西安电子科技大学 2009



本文编号：3347224