学位论文 > 优秀研究生学位论文题录展示

多机动目标跟踪算法与仿真平台开发

作　者: 史英杰
导　师: 彭冬亮
学　校: 杭州电子科技大学
专　业: 控制理论与控制工程
关键词: 多机动目标跟踪数据关联交互式多模型联合概率数据关联交互式多模型多假设
分类号: TN953
类　型: 硕士论文
年　份: 2010年
下　载: 161次
引　用: 3次
阅　读: 论文下载

内容摘要

多机动目标跟踪问题是目标跟踪领域的一个重要研究方向,在空中预警、战场监视等军事领域,以及空中交通管制、导航系统等民用领域都具有广阔的应用前景。随着科学技术的飞速发展,现代跟踪环境发生了显著变化,多机动目标跟踪及数据关联技术遇到了强劲的挑战。本文结合“十一五”武器装备预先研究项目,对多机动目标跟踪中的两个关键技术,即数据关联和跟踪维持进行了深入的研究,主要工作和取得的成果如下:首先,综述了机动目标跟踪的基本原理,概括总结了机动目标跟踪问题的基本要素,包括目标运动模型以及跟踪机动目标常用的滤波算法,同时分析了各种滤波算法的特点。其次,针对杂波环境下多个非机动目标的数据关联及跟踪维持问题,研究了联合概率数据关联(JPDA)等传统的关联方法和基于图论及生物学的新方法。重点实现了JPDA和m-最优多假设两种数据关联算法。考虑到m-最优多假设算法具有高计算复杂度的缺陷,分别从降低聚矩阵行、列向量维数的角度,提出了两种改进的m-最优MHT算法,所提出的算法在目标和量测数较大的环境下效果尤为明显。蒙特卡洛仿真结果表明该算法能够在保持滤波精度和关联正确率稳定不变的前提下缩短跟踪时间。再次,针对杂波环境下多个机动目标的数据关联及跟踪维持问题,研究并实现了交互式多模型联合概率数据关联(IMMJPDA)和交互式多模型多假设(IMMMHT)两种算法。当目标及量测数较多时,提出了一种基于量测分组的IMMMHT改进算法,较大程度上缓解了原IMMMHT方法由于高维聚矩阵分裂带来的庞大计算量问题。通过对两个和三个机动目标的跟踪仿真实验证明了上述算法的有效性。最后,在Visual C++ 6.0开发环境下,以数据流和组件为桥梁,设计和开发了一种用于对各种多传感器多目标跟踪算法进行测试评估的仿真软件平台,介绍了平台的结构和功能,并讨论了平台的软件设计和数据结构设计问题。通过该平台下的一个运行实例验证了该测试平台的有效性与实用性。

全文目录

摘要  5-6
ABSTRACT  6-11
插图目录  11-13
第1章绪论  13-22
  1.1 研究背景和意义  13-14
  1.2 国内外研究现状及发展趋势  14-20
    1.2.1 目标状态估计基本理论  14-15
    1.2.2 机动目标跟踪算法国内外研究现状及趋势  15-16
    1.2.3 多目标数据关联算法国内外研究现状及趋势  16-19
    1.2.4 多机动目标跟踪算法国内外研究现状及趋势  19-20
  1.3 本文的主要内容和组织结构  20-22
第2章机动目标跟踪的基本理论与方法  22-34
  2.1 引言  22
  2.2 机动目标跟踪基本原理  22-23
  2.3 机动目标运动模型  23-25
    2.2.1 CV 和CA 模型  23
    2.2.2 Singer 模型  23-24
    2.2.3 协同转弯(CT)模型  24-25
    2.2.4 “当前”统计模型  25
  2.4 机动目标跟踪算法  25-34
    2.3.1 Kalman 滤波器(KF)  25-27
      2.3.1.1 Kalman 滤波算法  25-27
      2.3.1.2 Kalman 滤波器优缺点  27
    2.3.2 扩展Kalman 滤波器(EKF)  27-29
      2.3.2.1 扩展Kalman 滤波算法  27-29
      2.3.2.2 扩展Kalman 滤波的优缺点  29
    2.3.3 多模型法  29-34
      2.3.3.1 多模型算法的发展  29-31
      2.3.3.2 交互式多模型算法  31-34
第3章杂波环境下多非机动目标的数据关联算法  34-54
  3.1 引言  34-35
  3.2 联合概率数据关联算法  35-38
    3.2.1 JPDA 算法主要步骤  35-37
    3.2.2 JPDA 算法Matlab 伪代码  37-38
  3.3 多假设数据关联算法  38-44
    3.3.1 m-最优MHT 算法  39-41
    3.3.2 改进的m-最优MHT 算法  41-44
      3.3.2.1 改进算法1  41-42
      3.3.2.2 改进算法2  42-44
  3.4 仿真情景  44-47
  3.5 结果分析  47-48
  3.6 基于图的数据关联方法  48-51
    3.6.1 关联图  48-49
    3.6.2 关联力  49
    3.6.3 竞争边  49-50
    3.6.4 缩减算法  50-51
  3.7 基于生物学的数据关联方法  51-53
    3.7.1 神经网络数据关联方法  51-53
    3.7.2 模糊逻辑和基于认知的数据关联方法  53
  3.8 小结  53-54
第4章基于IMMJPDA 的多机动目标跟踪算法  54-63
  4.1 引言  54
  4.2 问题描述  54-55
  4.3 IMMJPDA 算法主要步骤  55-58
  4.4 仿真情景及结果图  58-61
  4.5 结果分析  61-62
  4.6 小结  62-63
第5章基于IMMMHT 的多机动目标跟踪算法  63-72
  5.1 引言  63
  5.2 IMMMHT 算法  63-66
  5.3 改进的IMMMHT 算法  66-67
  5.4 仿真情景及结果图  67-70
  5.5 结果分析  70
  5.6 小结  70-72
第6章多传感器多目标跟踪算法仿真平台设计与实现  72-79
  6.1 引言  72
  6.2 软件系统的结构和功能  72-73
    6.2.1 系统结构及组成  72-73
    6.2.2 各模块功能  73
  6.3 平台系统设计  73-75
    6.3.1 软件设计  73-75
    6.3.2 数据结构设计  75
  6.4 实例分析  75-78
    6.4.1 数据产生  76
    6.4.2 传感器数据生成及显示  76-77
    6.4.3 算法选择及处理  77
    6.4.4 性能评估  77-78
  6.5 小结  78-79
第7章总结和展望  79-81
  7.1 本文主要工作  79-80
  7.2 本文的不足和进一步展望  80-81
致谢  81-82
参考文献  82-87
附录  87-88
详细摘要  88-92

多机动目标跟踪算法与仿真平台开发

内容摘要

全文目录

相似论文