粒子滤波目标跟踪及TBD算法研究

发布时间：2017-03-30 12:18

  本文关键词：粒子滤波目标跟踪及TBD算法研究，，由笔耕文化传播整理发布。

【摘要】：随着现代作战环境的日益复杂,低信噪比下的目标检测以及目标跟踪中的非线性问题逐渐突显,这使得传统的跟踪和检测方法越来越难以满足需求,迫切需要能够解决这些问题的新的目标跟踪和检测算法。检测前跟踪(Track Before Detect,TBD)算法经过多帧数据积累后按照某种规则进行检测判决,检测到目标存在就能同时给出跟踪结果,这样可以很好地解决低信噪比下的目标检测问题。粒子滤波(Particle Filter,PF)是一种针对非线性系统的贝叶斯递归滤波算法,粒子的权重还可以用来构造似然比,这些特点使得粒子滤波可以完整地进行目标检测和跟踪。因此,本文将对基于粒子滤波的目标跟踪和TBD算法展开研究,主要内容为:1、研究了粒子滤波的目标跟踪算法及其性能评估。首先研究了标准粒子滤波(Standard PF,SPF)算法,然后针对其中的粒子退化问题,研究了利用局部线性化近似得到最佳重要性函数和改善重采样的改进的粒子滤波算法(improved PF,IPF)。除采用常规性能评估方法外,还研究了KLD(Kullback Leibler Divergence)评估方法,以便更加全面地对粒子滤波算法进行性能评估。2、研究了三种基于粒子滤波的TBD算法及性能讨论。标准的PF-TBD算法通过将粒子分为死亡粒子和存活粒子构成一种混合状态估计,从而形成完整的跟踪检测体系;优效的PF-TBD算法在标准算法基础上只关注存活粒子,更加有效地利用粒子信息;基于似然比检测的PF-TBD算法利用似然比进行检测,区别于前两种算法利用目标存在概率进行检测。在仿真实验中,首先通过对比检测概率和虚警概率,确定三种算法的最佳检测门限,然后再横向对比三种算法的检测性能,以便确定三种算法检测性能的优劣关系。3、针对RAM(Rocket Artillery Mortar)类目标,首先建立了这类目标的运动状态模型。考虑到这类目标的运动状态可以采用单个模型进行描述,因此,首先采用SPF算法对该目标进行跟踪;同时基于前面的结论,进一步采用IPF算法对其进行跟踪。仿真结果表明,粒子滤波算法可以有效实现RAM类目标跟踪,同时基于IPF算法的RAM类目标跟踪算法跟踪性能优于基于SPF算法的。4、针对雷达目标的检测前跟踪,这里首先给出适用于TBD处理的基本雷达观测模型,然后充分考虑到实际目标可能存在的机动特性,首先对多模型粒子滤波(Multiple Model PF,MMPF)算法展开研究,然后采用基于MMPF的TBD算法实现对雷达目标的检测和跟踪,最后在仿真实验中分别对MMPF算法和基于MMPF的TBD算法进行了验证。
【关键词】：粒子滤波 检测前跟踪 Kullback-Leibler距离 RAM类目标跟踪
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN953

  本文关键词：粒子滤波目标跟踪及TBD算法研究，由笔耕文化传播整理发布。

本文编号：277106