学位论文 > 优秀研究生学位论文题录展示
基于随机集的多目标跟踪算法研究
作 者: 周承兴
导 师: 刘贵喜
学 校: 西安电子科技大学
专 业: 控制理论与控制工程
关键词: 多目标跟踪 随机集 概率假设密度 测量噪声
分类号: TN953
类 型: 硕士论文
年 份: 2011年
下 载: 209次
引 用: 0次
阅 读: 论文下载
内容摘要
作为一个典型的信号处理问题,目标跟踪一直受到人们的广泛关注,并且有着广泛的应用前景。随着应用的复杂化,简单的单目标跟踪己难以满足需求,因此多目标跟踪己逐渐成为国内外学者的研究重点。传统的多目标跟踪算法以数据关联为核心,其跟踪性能很大程度上受到了数据关联的影响。与此不同,基于随机集的多目标跟踪算法不需要进行数据关联,有效克服了传统方法的这一不足,是跟踪领域的研究热点,也是本文的研究重点。首先,本文介绍了跟踪滤波的基本理论以及几种经典的滤波算法,并通过仿真实验对其性能进行了分析比较。然后,阐述了多目标跟踪的基本原理,并在此基础上介绍了基于数据关联的传统多目标跟踪算法。本文以基于随机集的多目标跟踪方法为研究重点,对其原理和经典算法进行了深入的研究,并通过仿真实验进行了分析验证。最后,针对经典概率假设密度滤波算法存在的不足,本文提出了几种改进算法。第一,针对粒子概率假设密度滤波在进行粒子更新时依赖测量噪声分布的不足,提出了一种未知测量噪声分布下的多目标跟踪算法。第二,针对高斯粒子概率假设密度滤波在预测和更新时重复进行粒子近似和采样的不足,提出了一种改进的高斯粒子概率假设密度滤波算法。第三,针对混合高斯概率假设密度跟踪器无法跟踪多个机动目标的不足,提出了一种具有跟踪多个机动目标功能的混合高斯概率假设密度跟踪器算法。本文通过仿真实验证明:和原来的算法相比,提出的改进算法具有更好的跟踪性能。
|
全文目录
摘要 3-4 Abstract 4-7 第一章 绪论 7-11 1.1 研究背景及意义 7-8 1.2 多目标跟踪概述 8-10 1.3 本文工作及安排 10-11 第二章 跟踪滤波理论及算法 11-25 2.1 目标跟踪的基本原理 11-12 2.2 贝叶斯滤波理论 12-13 2.3 几种经典的滤波算法 13-21 2.3.1 卡尔曼滤波及其改进算法 13-16 2.3.2 粒子滤波及其改进算法 16-21 2.4 仿真实验 21-24 2.4.1 EKF、uKF与粒子滤波的分析比较 21-23 2.4.2 不同噪声环境下的粒子滤波跟踪性能 23-24 2 5 本章小结 24-25 第三章 多目标跟踪原理及数据关联 25-37 3.1 多目标跟踪的基本原理 25-26 3.2 几种经典的数据关联算法 26-32 3.2.1 最近邻算法 27 3.2.2 概率数据关联 27-29 3.2.3 联合概率数据关联 29-31 3.2.4 多假设跟踪 31-32 3.3 仿真实验 32-36 3.3.1 NN算法和PDA算法在多目标跟踪中的性能分析与比较 32-34 3.3.2 PDA算法和IIPDA算法在多目标跟踪中的性能分析与比较 34-36 3.4 本章小结 36-37 第四章 基于随机集的多目标跟踪算法 37-53 4.1 引言 37 4.2 随机有限集与多目标贝叶斯滤波 37-40 4.2.1 多目标跟踪中的随机有限集 38-39 4.2.2 有限集统计理论概述 39-40 4.2.3 多目标贝叶斯滤波 40 4.3 概率假设密度滤波 40-41 4.4 几种经典的概率假设密度滤波算法 41-47 4.4.1 混合高斯概率假设密度滤波算法 42-45 4.4.2 粒子概率假设密度滤波算法 45-47 4.5 概率假设密度跟踪器 47-48 4.6 仿真实验 48-52 4.6.1 GM.PHD算法的跟踪性能分析与验证 48-50 4.6.2 粒子PHD算法的跟踪性能分析与验证 50-52 4.7 本章小结 52-53 第五章 几种改进的概率假设密度滤波算法 53-75 5.1 风险评估概率假设密度滤波算法 53-62 5.1.1 代价参考粒子滤波 53-54 5.1.2 基于风险评估的概率假设密度滤波 54-57 5.1.3 仿真实验 57-62 5.2 改进的高斯粒子概率假设密度滤波算法 62-66 5.2.1 改进的高斯粒子概率假设密度滤波算法 63-64 5.2.2 仿真实验 64-66 5.3 多机动目标混合高斯概率假设密度跟踪器 66-74 5.3.1 修正的输入估计技术 67-68 5.3.2 多机动目标混合高斯概率假设密度跟踪器 68-71 5.3.3 仿真实验 71-74 5.4 本章小结 74-75 第六章 总结与展望 75-77 致谢 77-78 参考文献 78-84 研究成果 84-85
|
相似论文
- 多目标跟踪算法研究,TN953
- 视频监控中目标的行为分析,TP391.41
- 多目标视觉检测与跟踪方法研究及视频监控软件平台的开发,TP391.41
- 基于FISST理论的多目标跟踪技术研究,TN953
- 视频多目标跟踪算法的研究和实现,TP391.41
- 基于随机集样本的统计学习理论基础,O212.2
- 星载硅微静电加速度计的设计与噪声分析,TH824.4
- 抗抖动双向K级容错棒材计数系统研究,TP274
- 基于概率假设密度函数(PHD)的多目标跟踪方法研究,TN953
- 复杂多个体系统协调控制与一致性问题研究,O231
- 一种基于随机集的异类信息表示与融合方法,TP202
- 多目标图像跟踪模块软件设计与实现,TP391.41
- 雷达数据处理关键模型研究及仿真实现,TN953
- 利用视频分割与粒子滤波实现多目标跟踪研究,TP391.41
- 集值概率空间上基于模糊随机集的统计学习理论基础,O21-4
- 集值概率空间上基于随机集的统计学习理论基础,O211.6
- 基于DSP的搜索雷达数据处理系统设计,TN957.51
- 基于网络中心战的模糊神经网络信息融合技术,TP202
- 复杂环境下的运动目标检测与跟踪关键技术研究,TP391.41
- 无线传感器网络协同技术研究及在多目标跟踪中的应用,TN929.5
- 复杂环境下多目标跟踪技术的研究,TN953
中图分类: > 工业技术 > 无线电电子学、电信技术 > 雷达 > 雷达跟踪系统
© 2012 www.xueweilunwen.com
|