机动目标融合跟踪算法研究

发布时间：2017-04-11 06:01

  本文关键词：机动目标融合跟踪算法研究，由笔耕文化传播整理发布。

【摘要】：机动目标跟踪在现代军事领域和民用领域占有十分重要的地位并且有着广泛的应用前景,使得国内外许多研究人员对之展开了深入的研究,并取得了飞跃式的发展。机动目标跟踪是目标发生机动时不能准确描述目标运动的估计问题。随着科学技术的快速发展,目标的运行速度和机动性能变得越来越高,再加之,跟踪环境的复杂性,对机动目标跟踪提出了更高的要求。本文在学习前人研究成果的基础上,结合国内外的最新发展,围绕着状态估计和交互式多模型算法(IMM)对机动目标跟踪理论展开较系统深入地研究。首先,介绍机动目标跟踪理论研究背景以及国内外的研究现状,介绍目标跟踪涉及到目标运动的数学模型,概述了机动目标跟踪的基本原理。给出了机动目标跟踪中状态估计算法,卡尔曼滤波算法,给出了它的理论推导以及算法的详细流程。接下来,分析了概率数据关联卡尔曼滤波算法的理论,同样也给出了该算法的具体步骤。其次,在机动目标跟踪的背景下,介绍了非线性滤波理论,给出了EKF、UKF和CKF三种非线性滤波算法,阐述了三种算法的理论基础和基本原理,并给出了三种算法的详细流程,然后通过一个非线性目标跟踪模型验证对比三种算法的跟踪性能。重点介绍并分析了粒子滤波算法的理论基础、实现方法和具体步骤。并提出一种基于MCMC的迭代容积粒子滤波算法。该算法的解决办法是从重采样入手,为粒子滤波选取合适的有效的重要性密度函数。在该滤波算法中,利用容积数值积分原则计算非线性随机函数的均值和方差,在生成的粒子滤波建议分布中融入当前量测值,提高对系统后验概率的逼近程度。然后在此基础上融合MCMC抽样算法(Metropolis Hasting, MH)对所选建议分布进行优化,增加粒子多样性,以提高跟踪精度。最后,针对标准的交互式多模型中的滤波器采用卡尔曼滤波算法很难用于跟踪非线性较强的机动目标的问题,将改进的粒子滤波算法与交互式多模型结合,提出一种改进的交互式多模型粒子滤波算法,并给出此算法的步骤。该算法弥补了一般交互式多模型粒子滤波算法中的不足,通过仿真实验验证了算法的正确性和准确性。本文提出的算法在目标发生机动时的跟踪效果要好于交互式多模型粒子滤波算法。
【关键词】：机动目标跟踪 粒子滤波 交互式多模型 迭代容积
【学位授予单位】：西安工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN953
【目录】：

• 摘要3-5
• Abstract5-9
• 1 绪论9-15
• 1.1 研究背景和意义9
• 1.2 研究现状9-13
• 1.2.1 机动目标跟踪的基本问题9-10
• 1.2.2 目标运动模型10-11
• 1.2.3 状态估计11-12
• 1.2.4 数据关联方法12-13
• 1.3 本文研究内容13-15
• 2 机动目标跟踪理论与算法概述15-23
• 2.1 机动目标跟踪基本理论15-16
• 2.2 目标运动模型16-18
• 2.2.1 CV和CA模型16
• 2.2.2 Singer模型16-17
• 2.2.3 机动目标“当前”统计模型17
• 2.2.4 协调转弯模型17-18
• 2.3 卡尔曼滤波算法18-19
• 2.4 概率数据关联滤波算法19-22
• 2.4.1 有效量测20-21
• 2.4.2 数据关联卡尔曼21-22
• 2.5 非线性滤波算法22
• 2.6 本章小结22-23
• 3 目标跟踪中非线性滤波算法理论23-33
• 3.1 引言23
• 3.2 目标跟踪中非线性滤波算法23-29
• 3.2.1 扩展卡尔曼滤波23-25
• 3.2.2 无迹卡尔曼滤波25-27
• 3.2.3 容积卡尔曼滤波27-29
• 3.3 算法仿真分析29-32
• 3.4 本章小结32-33
• 4 基于迭代容积粒子滤波算法33-51
• 4.1 引言33
• 4.2 Bayes滤波33-35
• 4.3 Monte Carlo采样原理35
• 4.4 改进的粒子滤波算法35-40
• 4.4.1 重要性采样35-36
• 4.4.2 序贯重要性采样(Sequential Importance Sampling,SIS)36-37
• 4.4.3 粒子滤波算法存在的问题37-38
• 4.4.4 重要性密度函数选取38-39
• 4.4.5 粒子滤波算法主要步骤39-40
• 4.5 改进的粒子滤波算法40-46
• 4.5.1 EPF算法40-41
• 4.5.2 UPF算法41-43
• 4.5.3 迭代容积粒子滤波算法43-44
• 4.5.4 迭代容积粒子滤波算法44-46
• 4.6 仿真验证46-49
• 4.6.1 仿真模型46-47
• 4.6.2 仿真结果及分析47-49
• 4.7 本章小结49-51
• 5 基于粒子滤波的交互式多模型51-64
• 5.1 引言51
• 5.2 交互式多模型算法51-59
• 5.2.1 最优方法52-53
• 5.2.2 基本IMM算法53-55
• 5.2.3 交互式多模型粒子滤波算法55-57
• 5.2.4 迭代容积交互式多模型粒子滤波算法57-59
• 5.3 仿真分析59-63
• 5.4 本章小结63-64
• 6 总结与展望64-66
• 6.1 总结64-65
• 6.2 展望65-66
• 参考文献66-71
• 攻读硕士学位期间发表的论文71-72
• 致谢72-74

【参考文献】

中国期刊全文数据库 前5条

1 王宏强,黎湘,刘丹,郭桂蓉;非线性系统中的机动目标跟踪算法[J];国防科技大学学报;2002年04期

2 韩崇昭,朱洪艳;多传感信息融合与自动化[J];自动化学报;2002年S1期

3 郭文艳;韩崇昭;雷明;;迭代无迹Kalman粒子滤波的建议分布[J];清华大学学报(自然科学版);2007年S2期

4 穆静;蔡远利;张俊敏;;容积粒子滤波算法及其应用[J];西安交通大学学报;2011年08期

5 韩崇昭;信息融合理论与应用[J];中国基础科学;2000年07期

  本文关键词：机动目标融合跟踪算法研究，由笔耕文化传播整理发布。

，

本文编号：298436