基于箱粒子带标签的PHD平滑多目标跟踪算法

发布时间：2021-01-19 01:37

　　多目标跟踪（Multi-Target Tracking,MTT）技术一直是跟踪领域的一个重要课题。随机有限集（Random Finite Set,RFS）的发展促进了基于RFS跟踪算法的研究。其中,概率假设密度（Probability Hypothesis Density,PHD）滤波是其中一种非常重要的算法,对其滤波结果进行平滑处理后可获得更精确的多目标状态估计。带标签箱粒子滤波算法是近年来提出的一种新算法,用来提高运算效率等跟踪性能。本文在PHD算法的基础上,重点研究了箱粒子PHD滤波,带标签PHD平滑和带标签箱粒子PHD平滑算法,主要工作如下:（1）研究了箱粒子PHD滤波算法。首先给出了 PHD的高斯实现——高斯混合概率假设密度（Gaussian Mixture Probability Hypothesis Density,GM-PHD）滤波算法。针对量测不确定性和计算强度大等问题。采用区间分析原理,在量测更新时用箱粒子代替传统的点量测去拟合目标的后验概率密度,从而进行滤波处理。通过MATLAB仿真实验验证,该算法能有效地解决由于高维积分运算导致的计算负担大的问题。（2）研究了带... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

图２．２多目标标签标识示意图??Ｆｉｇ．?２．２?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｍｕｌｔｉ－ｔａｒｇｅｔ?ｌａｂｅｌ?ｉｄｅｎｔｉｆｉｃａｔｉｏｎ??２．２目不，１，

对周围一小部分区域有影响，??一般像素点越接近目标的真实位置，其测量强度就越大。在考虑噪声的情况下，目标会??淹没在背景噪声中。传统滤波考虑某单元的强度大小，会增加很多由外部干扰产生的虚??警，本章采用区间量测的方式，用局部区域代替点量测会降低虚警带来的影响。首先基??于区间分析的原理，用一个矩形区域来表示量测目标。在量测更新阶段，将己划分好的??划分单元通过包含函数的方法转化成一个包含着划分单元内所有量测值的最小矩形区??域，从而实现对目标进行跟踪。基于区间分析的多目标量测示意图如图３．１所示。??★一?？?？★鲁?？★鲁??？?？?？?１?？?？?？??传统目？标量测?多目标量测?量测包含箱??＋目标?參量测?口量测包含箱??图３．１目标量测示意图??Ｆｉｇ．?３．１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔａｒｇｅｔ?ｍｅａｓｕｒｅｍｅｎｔ??－１９－??

?大连海事大学专业学位硕士学位论文???Ｉ?开始?）???±???获取目标的初??始状态??新生箱粒子策?？！??Ｘ??????Ｔ???＾?＾?强度?基于箱粒于??值滤?Ｌ?；测?｜?ＰＨＤ预测??波抑??＿嗓?「？－?＿??声??？选取区间５度一一一＾??Ｉ?Ｉ?｜?｜?ＰＨＤ更新?否???Ｊ???估计目标状态??和目标数目??▼??基于箱粒子??ＰＨＤ１：采样??▼??设，??是??▼??（结束＇）??图３．３箱粒子ＰＨＤ算法流程??Ｆｉｇ．?３．３?Ｂｏｘ?ｐａｒｔｉｃｌｅ?ＰＨＤ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ??－２３－??


本文编号：2986073