基于优化粒子滤波的MIMO雷达多目标跟踪算法研究

发布时间：2022-02-24 06:12

　　随着当代科技的迅猛发展,雷达对目标的探测与跟踪面临越来越多的挑战,多目标跟踪技术具有广泛的研究空间。分布式MIMO雷达依靠空间分集技术,能够高效解决RCS闪烁的影响,对提高目标跟踪性能有独特优势,因此分布式MIMO雷达多目标跟踪技术的发展备受关注。本文以提高分布式MIMO雷达多目标跟踪性能为目标,重点研究了粒子滤波和相关改进算法,以及适用于多目标处理的概率假设密度滤波,主要研究工作包括:首先,针对MIMO雷达应用场景中的多目标跟踪,本文介绍了目标在不同运动条件下的运动模型,分析了MIMO雷达的工作原理以及检测跟踪原理,建立信号模型和观测模型,对比多种当前热门跟踪算法的优缺点,重点分析了粒子滤波算法以及随机有限集理论。针对粒子滤波算法在多目标跟踪中误差较大等问题,提出基于概率假设密度的粒子滤波相关改进算法。其次,针对目标个数未知或者时变场景下的跟踪问题,本文研究了概率假设密度滤波,在随机集理论基础上,分析多目标集合模型,在分布函数中引入了一种辅助参数粒子的改进算法。另外,本文提出设定阈值预处理方式进一步优化基于概率假设密度的辅助粒子滤波算法,通过标记粒子,提高粒子分布在高似然区域概率。仿... 

【文章来源】：南京大学江苏省211工程院校985工程院校教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
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 MIMO雷达研究现状
        1.2.2 目标跟踪研究现状
        1.2.3 粒子滤波研究现状
    1.3 论文主要内容和工作
第二章 MIMO雷达目标跟踪理论
    2.1 MIMO雷达原理和模型
        2.1.1 MIMO雷达工作原理
        2.1.2 MIMO雷达信号模型
        2.1.3 MIMO雷达量测模型
    2.2 目标运动模型
    2.3 目标检测和跟踪
        2.3.1 检测和跟踪原理
        2.3.2 目标跟踪方法比较
    2.4 目前存在的问题
    2.5 本章小结
第三章 基于PHD-APF的MIMO雷达多目标跟踪
    3.1 概率假设密度滤波
        3.1.1 随机有限集
        3.1.2 多目标随机集建模
        3.1.3 概率假设密度递归
    3.2 粒子滤波算法
        3.2.1 贝叶斯滤波
        3.2.2 蒙特卡洛方法
        3.2.3 重要性采样
        3.2.4 重采样
    3.3 基于PHD-PF多目标跟踪
        3.3.1 目标状态模型
        3.3.2 观测模型
        3.3.3 算法原理和流程
    3.4 改进PHD辅助粒子滤波算法
        3.4.1 辅助粒子滤波
        3.4.2 算法流程
    3.5 实验仿真和结果分析
    3.6 本章小结
第四章 基于自适应粒子滤波MIMO雷达多目标跟踪
    4.1 交叉轨迹多目标跟踪
    4.2 自适应粒子数优化算法
        4.2.1 信息熵模型
        4.2.2 误差椭圆
        4.2.3 自适应粒子滤波
    4.3 算法仿真和分析
    4.4 本章小结
第五章 总结和展望
    5.1 全文总结
    5.2 工作展望
参考文献
致谢
攻读硕士学位期间科研成果


【参考文献】：
期刊论文
[1]基于多目标CRLB的分布式相干MIMO雷达阵列优化[J]. 马鹏,张珂,洪振清,张剑云.  数据采集与处理. 2012(04)
[2]跟踪机动目标的雷达波形选择新方法[J]. 檀甲甲,张建秋.  系统工程与电子技术. 2011(03)
[3]裂变自举粒子滤波[J]. 程水英,张剑云.  电子学报. 2008(03)
[4]高斯粒子滤波器及其在非线性估计中的应用[J]. 王宁,王从庆.  南京航空航天大学学报. 2006(S1)

硕士论文
[1]基于改进BP神经网络的粒子滤波算法[D]. 史若雯.哈尔滨工业大学 2018



本文编号：3642143