检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于交互式伯努利滤波的机动目标TBD算法

电光与控制 2018年第9期25卷 26-32页

作者：吴孙勇刘义强蔡如华宁巧娇孙希延桂林电子科技大学数学与计算科学学院广西桂林541004 广西精密导航技术与应用重点实验室广西桂林541004

低信噪比环境下,原始数据未知门限的机动目标跟踪是一个比较棘手的问题。提出了一种交互式多模型伯努利(IMM-Bernoulli)检测前跟踪(TBD)算法,该算法结合交互式多模型算法对滤波器中每个目标状态的采样粒子进行预测,利用伯努利滤波对目... 详细信息

低信噪比环境下,原始数据未知门限的机动目标跟踪是一个比较棘手的问题。提出了一种交互式多模型伯努利(IMM-Bernoulli)检测前跟踪(TBD)算法,该算法结合交互式多模型算法对滤波器中每个目标状态的采样粒子进行预测,利用伯努利滤波对目标粒子进行递归,粒子更新阶段结合TBD算法进行,最终实现目标存在概率及分布密度的更新估计。算法对粒子预测时采用多个模型参与转移预测,使得预测粒子更加接近目标真实运动状态,兼备了伯努利TBD算法和交互式多模算法的特点,可用于处理低信噪比环境下机动弱目标检测跟踪问题,且对目标状态的估计更加精准。仿真实验表明,该滤波器能够实时地估计出目标位置,比传统的伯努利TBD算法具有更好的滤波性能。

关键词：机动目标跟踪检测前跟踪机动弱目标交互式多模伯努利滤波

在线全文

学校读者我要写书评

暂无评论

基于随机有限集的阵列信号参数跟踪算法研究

基于随机有限集的阵列信号参数跟踪算法研究

作者：董续东桂林电子科技大学

学位级别：硕士

波达方向(Direction of Arrival,DOA)估计是阵列信号处理中的研究热点。阵列信号在传播过程中会受到噪声干扰,这就会出现目标估计不准确,并且信号的DOA和数目会随时间变化。近年来,随机有限集框架下的DOA跟踪技术取得了巨大发展。随着... 详细信息

波达方向(Direction of Arrival,DOA)估计是阵列信号处理中的研究热点。阵列信号在传播过程中会受到噪声干扰,这就会出现目标估计不准确,并且信号的DOA和数目会随时间变化。近年来,随机有限集框架下的DOA跟踪技术取得了巨大发展。随着军事监视系统的发展的提高,机动目标跟踪技术成为一个研究热点。交互式多模型(IMM)方法是研究机动目标的有效跟踪方法,可以有效提高目标状态的预测精度和避免模型失配造成的机动目标跟踪失败的问题。随着目标跟踪理论的完善,许多非标准量测下的目标跟踪问题值得引起关注,如区间量测,阵列信号叠加量测等。本文基于随机有限集理论,研究了阵列信号DOA跟踪方法。主要结构安排如下:1.介绍了随机有限集理论,并对基于随机集的几种滤波理论进行了概述,为论文后续工作提供理论支撑。2.针对区间量测中多机动目标的跟踪问题,将多模型概念引入广义标签多伯努利(GLMB)算法,提出了一种交互式的区间量测多模GLMB(IMM-GLMB)跟踪算法。为了提高算法的效率,我们采用了文献中提出的一种快速算法的思想,提出了交互式多模广义标签多伯努利快速(IMM-GLMBF)实现算法。IMM-GLMBF算法融合了IMM-GLMB算法的预测和更新步骤,只需要进行一次截断。与IMM-GLMB算法相比,所提出的IMM-GLMBF算法在估计目标数目及其状态方面更准确,大大降低了计算成本。3.针对单一声矢量传感器(AVS)下的多信源波达方向(DOA)跟踪问题,提出了一种基于多伯努利滤波(Me MBer)的DOA跟踪算法。该算法提出将MUSIC空间谱函数作为多伯努利滤波的似然函数,并进行适当的指数加权,以提高粒子的权重可以有效地重采样。DOA传统跟踪方法需要预先估计出当前信源个数才能进行跟踪,而该算法可以直接跟踪当前信源。仿真实验表明,该算法能够精确地跟踪信源状态和估计信源数目。4.针对声矢量传感器(AVS)阵列的多信源波达方向(DOA)跟踪问题,提出了一种基于多目标多伯努利滤波的二维DOA跟踪算法。由于多目标后验概率密度的闭式解难以实现,因此采用粒子滤波算法获得近似解。该方法的优点是多伯努利滤波能够更直接地对AVS阵列信号进行处理,有效地解决了多时变目标识别问题。仿真实验表明,该算法能够准确地跟踪源状态并估计源的数目。5.针对声矢量传感器阵列中多机动信源DOA跟踪问题,将多模型概念引入多目标多伯努利滤波算法,提出了一种交互式多模型多伯努利滤波算法。采用交互式多模型(IMM)算法对采样粒子进行预测,然后结合Me MBer滤波更新策略,以MUSIC空间谱函数作为似然函数对预测粒子进行更新。该算法结合了Me MBer滤波的特点和IM方法,有效地提高了目标状态预测精度,避免了目标机动过程中由于模型失配而导致的跟踪失败。仿真实验表明,与Me MBer算法和PHD算法相比,IMM-Me MBer算法能够准确地跟踪目标状态并估计目标数目。

关键词：机动目标跟踪广义标签多伯努利滤波随机有限集 DOA跟踪多伯努利滤波交互式多模

基于随机有限集的多传感器信息融合算法的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于随机有限集的多传感器信息融合算法的研究

作者：王力桂林电子科技大学

学位级别：硕士

多传感器目标跟踪是通过多个传感器相互合作,对目标的状态和数目进行有效地跟踪估计。信息融合是多传感器网络中的关键算法,该算法通过对分布在空间中不同方位的传感器所获取的数据信息进行通信融合,提取出更加精确的数据信息。多传感... 详细信息

多传感器目标跟踪是通过多个传感器相互合作,对目标的状态和数目进行有效地跟踪估计。信息融合是多传感器网络中的关键算法,该算法通过对分布在空间中不同方位的传感器所获取的数据信息进行通信融合,提取出更加精确的数据信息。多传感器相互之间的协同工作提高了整个网络系统的量测精度、增加了系统的感知维度、加快了信息处理速度以及增强了环境适应能力等。近年来,基于随机有限集理论的目标跟踪方法取得了突飞猛进的成果,也应用到军事与民用领域。本文主要研究了分布式多传感器目标跟踪方法,取得了三方面的研究成果,如下:1.针对感知范围受限的分布式传感器网络的多目标跟踪问题,在多伯努利滤波跟踪理论基础上提出分布式视场互补多伯努利关联算术平均融合跟踪方法。首先,该方法通过视场互补使得各传感器的量测信息包含整个场景范围内的量测。在此基础上,每个传感器分别运行局部多伯努利滤波器,并通过泛洪通信进行相邻传感器之间的后验信息共享。随后,在各融合中心通过距离划分对通信共享得到的多伯努利后验进行关联,并通过算术平均融合方法对关联成功的同一目标的伯努利后验进行融合估计。最后通过序贯蒙特卡洛进行仿真实验,结果表明所提方法在有限感知范围的分布式传感器网络中能有效地进行多目标跟踪。2.针对分布式传感器网络中标签多伯努利目标跟踪问题,提出了基于标签高效匹配的分布式标签贝叶斯后验算术平均融合方法。首先,针对不同传感器的标签多伯努利后验标签不一致导致融合性能下降问题,提出一种标签匹配方法。此方法通过引入标签参考空间并分别和每个传感器进行标签匹配,进行标签一致化。其次,通过分布式泛洪通信方法进行相邻传感器之间的信息共享,并对配准后的标签后验按照标签的方式进行算术平均融合。仿真表明,所提方法有效地解决标签不一致问题并实现高效、稳健的AA融合,优于其他几种方法。3.针对机动目标跟踪过程中模型失配问题,提出了在分布式有限视场的传感器网络中利用交互式多伯努利滤波进行机动目标融合跟踪方法。在交互式多伯努利预测阶段,对同一个伯努利成分通过不同的模型状态转移进行预测,得到不同模型下的预测结果。在更新过程中,利用视场互补后的量测对不同模型预测的结果进行更新,并用似然函数对模型权重进行更新,再通过模型加权和得到局部更新的多伯努利后验。最后仍然通过泛洪通信算术平均融合方法对同一目标的伯努利成分进行融合估计,并进行了仿真实验验证其跟踪效果。

关键词：多传感器信息融合算术平均融合多目标跟踪分布式泛洪通信随机有限集标签匹配多伯努利滤波交互式多模

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

划分交互式箱粒子概率假设密度滤波法

计算机技术与发展 2021年第4期31卷 57-62页

作者：王海杨小军长安大学信息工程学院陕西西安710064

针对现有的多机动目标追踪问题,将交互式多模型(interacting multiple model,IMM)思想与箱粒子概率假设密度滤波器(box probability hypothesis density filter,Box-PHD)相结合,并针对箱粒子在区间密集杂波等复杂环境下箱体偏大,所导致... 详细信息

针对现有的多机动目标追踪问题,将交互式多模型(interacting multiple model,IMM)思想与箱粒子概率假设密度滤波器(box probability hypothesis density filter,Box-PHD)相结合,并针对箱粒子在区间密集杂波等复杂环境下箱体偏大,所导致的箱粒子冗余和目标跟踪位置估计不精确等问题,引入箱粒子划分技术,提出一种划分交互式概率假设密度滤波(partitioned interacting multiple model probability hypothesis density filter,PIMM-Box-PHD)算法,来处理椭圆形多机动目标的跟踪问题。该算法首先在预测阶段针对多目标的机动问题引入IMM预测,利用多模型交互方法来解决目标运动时模型失配问题;其次,利用箱划分技术将预测得到的箱粒子划分为大小和权值相同的多个子箱,以提高目标位置估计精度;最后,利用Box-PHD滤波对划分后的小箱粒子集进行区间量测更新。利用实验验证了PIMM-Box-PHD算法在多机动目标跟踪方面的良好性能,以及相较于IMM-Box-PHD算法在目标位置估计方面的优势。

关键词：交互式多模机动目标追踪概率假设密度滤波箱粒子滤波箱粒子划分

在线全文

学校读者我要写书评

暂无评论

基于IMM-UKF的主/被动雷达融合算法

电子信息对抗技术 2011年第4期26卷 21-25页

作者：赵域张剑云毛云祥电子工程学院合肥230037

在主/被动雷达双传感器目标跟踪背景下,提出一种基于IMM-UKF滤波的加权数据融合算法。该算法采用UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点。与单一传感器进行仿真比较,结果表明... 详细信息

在主/被动雷达双传感器目标跟踪背景下,提出一种基于IMM-UKF滤波的加权数据融合算法。该算法采用UKF对观测数据进行滤波估计,避免了计算雅克比矩阵,克服EKF滤波方法受滤波初值影响大、易发散的缺点。与单一传感器进行仿真比较,结果表明该算法可以比任一单传感器滤波精度高,稳定性更好。

关键词：主/被动雷达 UKF滤波数据融合机动目标跟踪交互式多模