基于贝叶斯框架的群目标跟踪

发布时间：2022-07-20 18:24

　　群目标跟踪是现代目标跟踪技术研究的重要领域之一,是多目标跟踪技术的一种特殊情况。在完全不可分辨、部分可分辨和完全可分辨的条件下,群目标跟踪与多目标跟踪有着显著不同:在传统的量测-目标关联方法的基础上需要考虑群目标整体运动趋势及群目标结构信息,群整体和个体、个体与个体间的交互运动特性,群目标属性特征及其动态变化等情况。因此,亟待研究综合利用群目标相关特征的建模和求解方法。本文以群目标跟踪应用为背景,以贝叶斯理论为研究基础,在理论上研究基于贝叶斯框架的群目标跟踪方法,提出了杂波环境下单群目标鲁棒跟踪方法、多群目标跟踪方法和机动群目标跟踪方法;在应用层面充分挖掘群目标特征属性及其相互关系,将群目标特征属性与运动状态在贝叶斯框架中进行联合估计,构建了群目标形状的分层贝叶斯模型和群目标机动特性的非参数贝叶斯模型。所提出的贝叶斯框架及算法可对群目标跟踪做出更为全面、清晰、准确的解释,对提高环境感知能力有重要的理论和实际意义。本文的主要研究成果包括以下四个部分:1.基于贝叶斯框架构建统一的群目标跟踪系统。首先针对密集群目标整体运动趋势和形状估计问题,给出单层群目标跟踪贝叶斯框架,可以对群目标状态及环... 

【文章页数】：148 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 群目标研究内容
    1.3 研究现状
    1.4 主要内容及结构安排
第二章 基于贝叶斯框架的群目标跟踪方法
    2.1 引言
    2.2 群目标跟踪的贝叶斯框架
        2.2.1 单层群目标跟踪贝叶斯框架
        2.2.2 联合群整体-个体跟踪贝叶斯框架
    2.3 群目标特征信息建模方法
        2.3.1 群目标形状模型
        2.3.2 群目标交互模型
    2.4 基于贝叶斯框架的群目标跟踪算法
        2.4.1 粒子滤波方法在群目标跟踪中的应用
        2.4.2 随机有限集方法在群目标跟踪中的应用
        2.4.3 非参数贝叶斯模型在群目标跟踪中的应用
    2.5 本章小结
第三章 基于随机矩阵模型的鲁棒群目标跟踪
    3.1 引言
    3.2 问题建模
        3.2.1 系统状态空间模型
        3.2.2 变分贝叶斯方法
    3.3 基于学生t分布的鲁棒群跟踪算法
        3.3.1 基于学生t分布的群目标跟踪系统状态方程
        3.3.2 基于变分法的群目标状态后验估计
        3.3.3 杂波密度参数的最大似然估计
        3.3.4 群目标鲁棒跟踪算法
    3.4 仿真实验
        3.4.1 仿真场景设置及理想情况下仿真结果
        3.4.2 不考虑杂波的部分可观测场景及仿真结果
        3.4.3 考虑杂波估计的部分可观测场景及仿真结果
    3.5 本章小结
第四章 基于随机超曲面模型的多群目标跟踪
    4.1 引言
    4.2 问题建模
    4.3 基于随机超曲面模型的多群目标跟踪算法
        4.3.1 基于变分法的系统状态变量后验概率密度估计
        4.3.2 超参数的最大似然估计
        4.3.3 多群目标跟踪算法
    4.4仿真实验
        4.4.1 仿真场景设置
        4.4.2 静止多群目标跟踪仿真
        4.4.3 运动多群目标跟踪仿真
    4.5 本章小结
第五章 基于非参数贝叶斯模型的稀疏机动群目标跟踪
    5.1 引言
    5.2 问题建模
        5.2.1 稀疏机动群目标运动建模
        5.2.2 多假设跟踪方法
    5.3 基于分层狄利克雷过程的多假设跟踪
        5.3.1 系统状态联合概率密度
        5.3.2 分层狄利克雷过程—隐马尔科夫模型—多假设跟踪算法
        5.3.3 算法讨论
    5.4 仿真实验
        5.4.1 仿真场景设置
        5.4.2 杂波环境下机动群目标仿真
        5.4.3 与交互多模型-多假设跟踪算法比较
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 研究展望
参考文献
致谢
攻读博士学位期间已发表或完成的论文
攻读博士学位期间参加的主要科研项目
攻读博士学位期间申请的国家发明专利



本文编号：3664519