面向目标检测与跟踪的传感器管理算法研究

发布时间：2017-09-26 11:01

  本文关键词：面向目标检测与跟踪的传感器管理算法研究

  更多相关文章： 信息融合 传感器管理 目标检测与跟踪 雷达组网 改进协方差控制 条件后验克拉美-罗下界

【摘要】：多源信息融合是对来自多个传感器的数据和相关信息进行综合处理,从而完成所需的决策和估计任务。传感器资源管理能够考虑目标跟踪精度以及传感器的能耗、使用率和切换率等因素,因此将资源管理引入到信息融合系统中,构建带有反馈的闭环融合结构对提高信息融合系统的综合性能有重要意义。基于目标检测与跟踪的传感器管理,是根据外界环境及任务需求,制定一个管理机制,实现对传感器工作方式的自适应分配。本文通过分析目标跟踪过程中跟踪精度以及时效性、稳定性等任务需求,进行相应的传感器资源管理算法设计与实现。本文主要研究工作如下:首先,阐述了本文研究的背景及意义,并对信息融合技术、信息融合与资源管理的关系以及传感器管理技术的国内外研究现状进行了综述。其次,介绍了传感器资源管理的作用、结构和分类,重点说明了基于协方差控制的传感器管理算法和基于后验克拉美-罗下界的传感器管理算法的流程,通过仿真分析了两种算法在跟踪任务上各自的优势和不足。再次,在满足目标跟踪精度的基础上,考虑传感器管理算法的时效性和稳定性等方面的任务需求,提出了一种基于改进协方差控制的传感器管理算法。在每一时刻先判断前一时刻所用传感器组是否满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为误差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定精度阈值,判断滤波协方差是否满足期望,从而决定是否维持当前传感器选择。分别在MATLAB环境下和基于高级体系结构的多雷达组网仿真软件平台中进行仿真测试,验证了算法的有效性。然后,针对雷达组网对隐身目标协同检测与跟踪时的动态分配问题,提出了一种基于条件克拉美-罗下界和改进二值粒子群优化的隐身目标协同检测与跟踪算法,以已跟踪目标的条件克拉美-罗下界衡量跟踪精度,并采用改进二值粒子群优化全局搜索最优分配方案,最后进行粒子滤波与协方差交集融合。通过对算法的仿真实验与分析验证了算法的有效性。最后,对本文工作进行了总结与展望。
【关键词】：信息融合 传感器管理 目标检测与跟踪 雷达组网 改进协方差控制 条件后验克拉美-罗下界
【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】：TP212;TP202
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-14
• 1.2.1 信息融合与资源管理的关系11-12
• 1.2.2 传感器管理研究现状12-14
• 1.3 本文主要研究内容及章节安排14-16
• 第二章 传感器管理基础理论16-26
• 2.1 引言16
• 2.2 传感器资源管理16-20
• 2.2.1 传感器管理在信息融合中的作用16-17
• 2.2.2 传感器管理结构17-18
• 2.2.3 传感器管理问题的分类18-19
• 2.2.4 基于目标跟踪的传感器管理算法概述19-20
• 2.3 基于协方差控制的传感器管理20-23
• 2.3.1 协方差控制基本思想20-21
• 2.3.2 算法流程21
• 2.3.3 仿真实验与分析21-23
• 2.4 基于PCRLB的传感器管理23-25
• 2.4.1 后验克拉美-罗下界23-24
• 2.4.2 仿真实验与分析24-25
• 2.5 本章小结25-26
• 第三章 面向跟踪任务的多传感器快速管理算法26-40
• 3.1 引言26
• 3.2 任务需求分析26-27
• 3.3 基于改进协方差控制的传感器管理算法27-30
• 3.3.1 算法思想及流程27-28
• 3.3.2 跟踪精度判断28-29
• 3.3.3 量纲变换29
• 3.3.4 序贯卡尔曼滤波29-30
• 3.4 仿真实验与分析30-36
• 3.4.1 性能评价指标30-31
• 3.4.2 仿真结果31-36
• 3.5 基于HLA的多雷达组网仿真平台算法测试36-39
• 3.6 本章小结39-40
• 第四章 雷达组网中多隐身目标协同检测与跟踪40-51
• 4.1 引言40
• 4.2 隐身目标协同检测与跟踪问题描述40-41
• 4.2.1 组网雷达探测隐身目标模型40-41
• 4.2.2 协同检测与跟踪数学模型41
• 4.3 基于CPCRLB和NBPSO的组网雷达动态分配算法41-46
• 4.3.1 新生目标检测概率42
• 4.3.2 条件后验克拉美-罗下界42-43
• 4.3.3 改进二值粒子群优化算法43-44
• 4.3.4 协方差交集融合算法44-46
• 4.4 仿真实验与分析46-49
• 4.4.1 性能评价指标46
• 4.4.2 仿真结果46-49
• 4.5 本章小结49-51
• 第五章 总结和展望51-53
• 5.1 总结51-52
• 5.2 展望52-53
• 致谢53-54
• 参考文献54-59
• 附录59

【相似文献】

中国期刊全文数据库 前10条

1 汤晓君;刘君华;;多传感器技术的现状与展望[J];仪器仪表学报;2005年12期

2 王日俊;刘峰;凌国宇;周金龙;;浅谈传感器的发展[J];甘肃科技纵横;2007年03期

3 张华睿;杨宏文;胡卫东;郁文贤;;通信受限时传感器管理方法研究[J];电光与控制;2007年04期

4 潘江怀;李洪梅;何佳洲;;三维传感器组网偏差估计方法[J];火力与指挥控制;2008年04期

5 李青;王瑜;宋明明;戴志波;;基于Perron-Frobenius特征值的传感器组网效能评估方法[J];传感器世界;2009年07期

6 樊浩;龙治国;黄树彩;李亚军;高美凤;;多传感器交叉提示技术发展现状与研究[J];飞航导弹;2012年02期

7 李丽苹;;浅析传感器无线互联在实现中存在的问题及其改善对策[J];无线互联科技;2012年03期

8 胡博;杨晓强;申艳玲;高军;石欣;崔海云;肖应玉;;传感器组合虚拟样机与仿真分析[J];新技术新工艺;2012年04期

9 王新民;李乐尧;顾晓婕;李文超;申海荣;;传感器组网资源管理技术及系统仿真平台[J];测控技术;2012年06期

10 司刚全;张寅松;娄勇;;考虑自支持度和互支持度的多传感器一致性测度算子[J];西安交通大学学报;2012年10期

中国重要会议论文全文数据库 前3条

1 卫杨勇;徐世友;陈曾平;;面向任务的层次化机载多传感器智能管理策略[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

2 贺勤;薛安克;;多传感器声目标异步数据生成仿真研究[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年

3 俞强;陆佶人;方世良;;模糊积分在多传感器信息融合中的应用[A];中国声学学会2003年青年学术会议[CYCA'03]论文集[C];2003年

中国重要报纸全文数据库 前2条

1 ;多种传感器组合是应用热点[N];中国电子报;2009年

2 编译 杨孝文;智能砖头能避免楼塌人亡[N];北京科技报;2004年

中国博士学位论文全文数据库 前10条

1 刘先省;传感器管理方法研究[D];西北工业大学;2000年

2 胡学海;机载多传感器目标信号属性融合研究[D];电子科技大学;2008年

3 李鸿斌;面向目标跟踪的移动无线传感器协作算法研究[D];浙江大学;2010年

4 何衍;机动目标跟踪与传感器网络自组织[D];浙江大学;2001年

5 任祝;能量受限的传感器调度问题研究[D];浙江大学;2013年

6 张启忠;应用于土壤环境监测的传感器若干理论与技术研究[D];浙江大学;2009年

7 张旭峰;多传感器车载战场感知系统若干关键技术研究[D];国防科学技术大学;2006年

8 崔波;多传感器目标跟踪数据融合关键技术研究[D];西南交通大学;2012年

9 鲁娜;基于功能核酸组装结构的腺苷和汞离子传感器研究[D];中国科学技术大学;2009年

10 熊彦铭;多传感器延时控制系统性能分析与评估[D];中国工程物理研究院;2012年

中国硕士学位论文全文数据库 前10条

1 刘萍;基于粒子群优化的目标跟踪传感器节点的选择[D];长安大学;2015年

2 王琼;基于PCRLB和凸优化的传感器选择方法[D];长安大学;2015年

3 周金伟;基于多传感器和目标跟踪的智能视频监控系统设计[D];西北师范大学;2015年

4 裴元义;基于时域结构损伤识别的传感器优化布置[D];哈尔滨工业大学;2016年

5 郝孟猛;AAO模板制备快速响应钯基氢传感器[D];电子科技大学;2016年

6 李响;起重机能耗检测无线传感网数据处理技术研究[D];中国矿业大学;2016年

7 解维志;基于ZigBee的气象监测系统设计与实现[D];北京工业大学;2016年

8 朱桁序;基于MEMS传感器的空间运动跟踪系统的研究与设计[D];江苏科技大学;2016年

9 黄增建;多传感器多目标跟踪技术研究[D];西安电子科技大学;2012年

10 王雷;航空发动机传感器状态信息采集与处理方法研究[D];中国民航大学;2013年

，

本文编号：923109