基于标号随机集的传感器网络分布式融合技术研究
发布时间：2024-04-28 01:18
传感器网络探测系统是为应对隐身目标威胁和复杂探测环境挑战提出的新型探测体制,所感知量测与目标具有未知时变的强不确定性,难以基于传统统计理论进行描述和建模。基于标号随机集理论的信息融合技术是一种新兴的先进信号处理技术,通过将多源量测的不确定性,包括随机性、不准确性、模糊性等,和目标个数的未知时变特性建模在点过程理论框架下,提供了统一的多源-多目标不确定性问题描述和建模方法,是国际信号处理和信息融合领域的前沿热点。该技术作为一项正在发展中的新技术,仍面临着诸多的问题和挑战,例如,传感器量测模型非标准化、传感器间量测相关性未知、标号随机集分布式融合性能不稳健等。本论文针对上述问题,在标号随机集理论框架下,研究了基于广义量测模型(generic observation model,GOM)的传感器网络单节点滤波算法、传感器间“标号不一致”问题建模与分析、稳健标号多目标(labeled multi-object,LMO)滤波器分布式融合算法、高效LMO滤波器分布式融合算法等工作。主要工作和贡献如下:1.针对传感器量测模型非标准化问题,包括传感器量测叠加、合并和遮蔽等,提出了基于GOM的LMO(L...
【文章页数】：142 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 标号随机集单传感器滤波算法
1.2.2 标号随机集分布式融合算法
1.3 本论文的结构安排
第二章 基于标号随机集的传感器网络分布式融合问题建模
2.1 标号随机集统计特性描述工具
2.2 基于FISST贝叶斯估计的单节点标号多目标滤波建模
2.2.1 多目标转移模型
2.2.2 广义量测模型
2.2.3 基于标准量测模型的标号滤波算法局限性分析
2.3 基于广义协方差交集准则的标号后验分布融合建模
2.3.1 广义协方差交集分布式融合准则
2.3.2 标号多目标滤波标准GCI融合算法局限性分析
2.4 本章小结
第三章 基于广义量测模型的单节点标号多目标滤波器设计
3.1 基于广义量测模型的最优标号多目标滤波器
3.1.2 LMO-GOM滤波器迭代方程
3.1.3 基于SMC方法的LMO-GOM滤波器数值计算方法
3.1.4 讨论与分析
3.2 基于“最佳”LMB近似的次优标号多目标滤波器
3.2.1 “最佳”LMB近似方法
3.2.2 LMB-GOM滤波器的迭代方程
3.2.3 讨论与分析
3.2.4 基于SMC方法的LMB-GOM滤波器数值计算方法
3.3 基于分组滤波的次优标号多目标滤波器
3.3.1 多目标似然函数分解模型
3.3.2 并行分组滤波过程
3.3.3 分组准则设计
3.3.4 讨论与分析
3.4 计算复杂度分析
3.5 典型场景性能评估
3.5.1 像素化TBD模型实验
3.5.2 声源幅度模型实验
3.6 本章小结
第四章 标号滤波器GCI融合“标号不一致”问题建模与分析
4.1 典型标号随机集分布的标准GCI融合分析
4.2 “标号不一致”现象产生机理分析
4.3 GCI融合“标号不一致”敏感问题建模
4.3.1 “标号不一致”度量指标建模
4.3.2 “标号不一致”与GCI融合性能关系建模
4.4 本章小结
第五章 稳健标号滤波器分布式融合算法
5.1 基于免标号的稳健GCI融合算法
5.2 GLMB分布族稳健GCI融合算法
5.2.1 GLMB分布族边缘非标号分布计算方法
5.2.2 GMB分布的GCI融合算法
5.2.3 GLMB形式融合后验分布重构方法
5.3 LF-GCI-GLMB融合算法实现和计算复杂度分析
5.4 典型场景性能评估
5.4.1 鲁棒性验证场景
5.4.2 优效性评估场景
5.5 本章小结
第六章 高效标号滤波器分布式融合算法
6.1 基于标号匹配的高效GCI融合算法
6.1.1 最优标号匹配问题建模
6.1.2 基于标号匹配的GCI融合方法
6.2 标号匹配问题快速求解
6.2.1 最优分配问题的降维方法
6.2.2 LMB分布的线性分配问题建模
6.2.3 任意LMO分布分配问题的近似线性化方法
6.3 LM-GCI-LMB融合算法实现和计算高效性分析
6.4 典型场景性能评估
6.4.1 鲁棒性验证场景
6.4.2 高效性验证场景
6.5 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3965970
【文章页数】：142 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 国内外研究历史与现状
1.2.1 标号随机集单传感器滤波算法
1.2.2 标号随机集分布式融合算法
1.3 本论文的结构安排
第二章 基于标号随机集的传感器网络分布式融合问题建模
2.1 标号随机集统计特性描述工具
2.2 基于FISST贝叶斯估计的单节点标号多目标滤波建模
2.2.1 多目标转移模型
2.2.2 广义量测模型
2.2.3 基于标准量测模型的标号滤波算法局限性分析
2.3 基于广义协方差交集准则的标号后验分布融合建模
2.3.1 广义协方差交集分布式融合准则
2.3.2 标号多目标滤波标准GCI融合算法局限性分析
2.4 本章小结
第三章 基于广义量测模型的单节点标号多目标滤波器设计
3.1 基于广义量测模型的最优标号多目标滤波器
3.1.2 LMO-GOM滤波器迭代方程
3.1.3 基于SMC方法的LMO-GOM滤波器数值计算方法
3.1.4 讨论与分析
3.2 基于“最佳”LMB近似的次优标号多目标滤波器
3.2.1 “最佳”LMB近似方法
3.2.2 LMB-GOM滤波器的迭代方程
3.2.3 讨论与分析
3.2.4 基于SMC方法的LMB-GOM滤波器数值计算方法
3.3 基于分组滤波的次优标号多目标滤波器
3.3.1 多目标似然函数分解模型
3.3.2 并行分组滤波过程
3.3.3 分组准则设计
3.3.4 讨论与分析
3.4 计算复杂度分析
3.5 典型场景性能评估
3.5.1 像素化TBD模型实验
3.5.2 声源幅度模型实验
3.6 本章小结
第四章 标号滤波器GCI融合“标号不一致”问题建模与分析
4.1 典型标号随机集分布的标准GCI融合分析
4.2 “标号不一致”现象产生机理分析
4.3 GCI融合“标号不一致”敏感问题建模
4.3.1 “标号不一致”度量指标建模
4.3.2 “标号不一致”与GCI融合性能关系建模
4.4 本章小结
第五章 稳健标号滤波器分布式融合算法
5.1 基于免标号的稳健GCI融合算法
5.2 GLMB分布族稳健GCI融合算法
5.2.1 GLMB分布族边缘非标号分布计算方法
5.2.2 GMB分布的GCI融合算法
5.2.3 GLMB形式融合后验分布重构方法
5.3 LF-GCI-GLMB融合算法实现和计算复杂度分析
5.4 典型场景性能评估
5.4.1 鲁棒性验证场景
5.4.2 优效性评估场景
5.5 本章小结
第六章 高效标号滤波器分布式融合算法
6.1 基于标号匹配的高效GCI融合算法
6.1.1 最优标号匹配问题建模
6.1.2 基于标号匹配的GCI融合方法
6.2 标号匹配问题快速求解
6.2.1 最优分配问题的降维方法
6.2.2 LMB分布的线性分配问题建模
6.2.3 任意LMO分布分配问题的近似线性化方法
6.3 LM-GCI-LMB融合算法实现和计算高效性分析
6.4 典型场景性能评估
6.4.1 鲁棒性验证场景
6.4.2 高效性验证场景
6.5 本章小结
第七章 全文总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3965970
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3965970.html
