多传感器组网机动目标跟踪算法研究

发布时间：2017-06-21 17:01

  本文关键词：多传感器组网机动目标跟踪算法研究，由笔耕文化传播整理发布。

【摘要】：多源信息融合技术是对来自多个信息源的数据和信息进行综合处理,以获得对目标的准确描述与估计。通过在多源信息融合系统中引入资源管理,构建信息融合系统的多级闭环结构,可提高系统的性能。针对隐身目标等具有的机动特性,结合在线更新模型集合的思想设计了一种基于单传感器的变结构多模型算法,在此基础上实现了基于Rényi信息增量的多雷达组网协同跟踪算法,并对传感器网络下的两种分布式目标跟踪算法进行了仿真分析。本文主要内容安排如下:首先,阐述了本文的研究背景及意义,对多传感器组网机动目标协同跟踪算法和分布式目标跟踪算法的研究现状进行了综述,并介绍了机动目标跟踪的相关理论与方法。其次,设计了基于混合网格和Rényi信息增量的机动目标协同跟踪方法。针对变结构多模型算法中目标运动模式估计不准确和目标加速度突变的情况,采用基于“当前”统计模型的混合网格多模型算法,并引入渐消因子对加速度极值进行修正,提出了一种改进的基于“当前”统计模型和混合网格多模型算法的机动目标跟踪算法,仿真结果表明了算法的有效性。在此基础上,针对多雷达组网环境下的机动目标非线性观测问题,设计了一种基于Rényi信息增量的多雷达组网机动目标协同跟踪算法。首先结合“当前”统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法进行机动目标的状态估计;然后以Rényi信息增量作为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。仿真结果表明,该算法能够合理地选择传感器,提高对机动目标的跟踪精度。在基于HLA的多雷达组网仿真软件平台下进行了移植和仿真测试。再次,比较分析了两种分布式目标跟踪算法的性能,包括分布式一致性卡尔曼滤波算法和分布式粒子滤波算法,仿真结果表明,该算法可以实现对目标的一致性跟踪。最后,对本文的研究工作进行了总结与展望。
【关键词】：机动目标跟踪 传感器管理 协同跟踪 多雷达组网 一致性滤波器
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN953;TP212
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-19
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-17
• 1.2.1 多传感器组网机动目标协同跟踪研究现状12-15
• 1.2.2 分布式目标跟踪研究现状15-17
• 1.3 本文主要研究内容及章节安排17-19
• 第二章 机动目标跟踪相关理论与方法19-26
• 2.1 引言19
• 2.2 目标运动模型19-22
• 2.2.1 CV和CA模型20
• 2.2.2“当前”统计模型20-21
• 2.2.3 协同转弯模型21-22
• 2.3 多模型目标跟踪算法22-25
• 2.3.1 交互式多模型算法22-24
• 2.3.2 变结构多模型算法24-25
• 2.4 本章小结25-26
• 第三章 基于混合网格和Rényi信息增量的机动目标协同跟踪算法26-47
• 3.1 引言26
• 3.2 基于“当前”统计模型的混合网格多模型算法26-28
• 3.3 基于改进CSHGMM的机动目标跟踪算法28-33
• 3.3.1 基于STF的“当前”统计模型及其自适应跟踪算法28-29
• 3.3.2 仿真分析29-33
• 3.4 基于Rényi信息增量的雷达组网机动目标协同跟踪算法33-43
• 3.4.1 结合“当前”统计模型和IMMUKF的变结构多模型算法34-35
• 3.4.2 基于Rényi信息增量的雷达组网协同跟踪算法35-36
• 3.4.3 仿真分析36-43
• 3.5 基于HLA的多雷达组网仿真平台算法测试43-45
• 3.6 结论45-47
• 第四章 分布式目标跟踪算法比较研究47-58
• 4.1 引言47
• 4.2 一致性方法概述47-50
• 4.2.1 传感器网络建模47-48
• 4.2.2 一致性滤波器48-50
• 4.3 分布式一致性卡尔曼滤波算法50-54
• 4.3.1 卡尔曼滤波算法50-51
• 4.3.2 分布式一致性卡尔曼滤波算法51-52
• 4.3.3 仿真分析52-54
• 4.4 分布式粒子滤波算法54-57
• 4.4.1 算法原理描述54-55
• 4.4.2 仿真分析55-57
• 4.5 本章小结57-58
• 第五章 总结和展望58-60
• 5.1 总结58
• 5.2 展望58-60
• 致谢60-61
• 参考文献61-66
• 附录66

【相似文献】

中国期刊全文数据库 前10条

1 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期

2 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期

3 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期

4 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期

5 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期

6 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期

7 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期

8 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期

9 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期

10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期

中国重要会议论文全文数据库 前10条

1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报（2005）[C];2005年

8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年

2 王保宪;复杂背景下的视频目标跟踪算法研究[D];北京理工大学;2016年

3 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

4 王晶晶;复杂拥挤环境下协同视频监控中目标跟踪算法研究[D];中国科学技术大学;2016年

5 田浩;基于核函数的目标跟踪算法研究[D];长安大学;2016年

6 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年

7 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年

8 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

9 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

10 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年

中国硕士学位论文全文数据库 前10条

1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年

2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年

3 闫俊强;基于图像的空中目标跟踪算法研究[D];中北大学;2016年

4 陈萍;视觉目标跟踪算法研究[D];东南大学;2015年

5 吕国宏;视频中运动目标跟踪算法及其改进策略研究[D];中北大学;2016年

6 江梦茜;复杂条件下的扩展/群目标跟踪算法研究[D];西安工程大学;2016年

7 赵璐璐;基于相关滤波的目标跟踪算法研究[D];北方工业大学;2016年

8 鲍丙计;基于粒子滤波的视频目标跟踪算法研究[D];安徽大学;2016年

9 蒋小莉;基于压缩粒子滤波的改进目标跟踪算法研究[D];安徽大学;2016年

10 徐少飞;基于循环核矩阵的自适应目标跟踪算法研究[D];安徽大学;2016年

  本文关键词：多传感器组网机动目标跟踪算法研究，，由笔耕文化传播整理发布。

本文编号：469296