首页> 中文学位 >基于概率假设密度滤波器的扩展目标跟踪算法研究
【6h】

基于概率假设密度滤波器的扩展目标跟踪算法研究

代理获取

目录

1 绪论

1.1 研究背景及意义

1.2 国内外现状

1.2.1基于RFS的多目标跟踪

1.2.2多扩展目标跟踪

1.3 扩展目标跟踪技术研究难点

1.4 主要内容及章节安排

2 基于随机集的扩展目标跟踪理论基础

2.1.1 贝叶斯估计

2.1.2卡尔曼滤波

2.1.3随机有限集理论

2.2 PHD滤波器

2.2.1 PHD滤波公式推导

2.2.2 高斯混合概率假设密度滤波器

2.3性能评价指标

2.4本章小结

3 雷达扩展目标量测集划分方法研究

3.1扩展目标量测集划分方法

3.1.1基于距离的量测集划分

3.1.2 DBSCAN算法

3.1.3 CFSFDP算法

3.2.1 DBSCAN的改进算法

3.2.2 CFSFDP的改进算法

3.3扩展目标跟踪场景仿真实验

3.3.1交叉扩展目标跟踪

3.3.2邻近扩展目标跟踪

3.4本章小结

4 雷达扩展目标跟踪方法研究

4.1雷达目标成像理论

4.2扩展目标散射中心模型

4.2.1飞机目标的散射热点仿真

4.2.2飞机目标的散射中心建模

4.3仿真实验

4.4 本章小结

5 结论及展望

5.1论文工作总结

5.2 研究展望

参考文献

附录

A. 作者在攻读学位期间发表的论文目录

B. 作者在攻读学位期间参加的科研项目

C. 作者在攻读硕士学位期间参与的竞赛获奖

D 学位论文数据集

致谢

展开▼

摘要

不同于传统的点目标,高分辨传感器在每一时间步长内监测的目标在传感器中的显示为多个测量值,即扩展目标。扩展目标的坐标信息,目标形状,姿态信息等会随时间变化;同时,扩展目标的测量值也会由于目标新生和衍生、探测器漏检等突发情况而发生改变。扩展目标能提供目标更多的信息,在近十余年内引起了大量国内外学者的关注、重视和研究。  针对传统扩展目标跟踪算法存在数据关联复杂、计算量爆炸和跟踪性能较差等问题,本文研究基于随机集理论的高斯概率假设密度滤波器(GM-PHD)跟踪扩展目标,避免传统目标跟踪在数据关联存在的诸多问题,提高扩展目标跟踪能力。该方法以贝叶斯理论框架为基础的,采用传递概率密度强度取代传统方法传递目标量测点后验概率密度的方式,估计出目标的状态及其测量点数目与分布情况。在此基础上,本文主要研究内容如下:  ①当扩展目标相邻时,多扩展目标假设密度滤波器划分量测集的准确性往往较低。针对该问题,本文提出了带噪声的基于密度的聚类方法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)联合模糊C均值聚类算法(Fuzzy C-means Algorithm,FCM)对测量点进行二次划分算法,获得了更精确的邻近扩展目标的划分结果。同时,针对密度峰值聚类(Clustering by Fast Search and Find of Density Peaks,CFSFDP)量测集划分算法需要人为干预选择聚类中心的问题,提出一种改进方法自动获取聚类中心,获得的最终量测集划分结果,适应能力更强。  ②针对传统扩展目标跟踪方法一般是将点目标的多个量测点当作扩展目标进行实验不够准确的问题,本文通过对真实飞机目标模型进行散射点成像仿真,利用数学方法建立扩展目标的散射中心模型。本文提出利用散射中心模型得到扩展目标的跟踪“瞄准点”,提高目标跟踪的性能。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号