检索结果-南通市图书馆

势平衡多目标多伯努利滤波器高斯混合实现的收敛性分析

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2016年第10期33卷 1405-1411页

作者：张光华连峰韩崇昭王婷婷西安交通大学智能网络与网络安全教育部重点实验室陕西西安710049

研究了势平衡多目标多伯努利(cardinality balanced multi-target multi-Bernoulli,CBMeMBer)滤波器高斯混合(Gaussian mixture,GM)实现的收敛性问题.证明在线性高斯条件下,若GM-CBMeMBer滤波器的高斯项足够多,则它一致收敛于真实的CBMeMBer滤波器.并且证明在弱非线性条件下,GM-CBMeMBer滤波器的扩展卡尔曼(extended Kalman,EK)滤波近似实现—EK-GM-CBMeMBer滤波器,若每个高斯项的协方差足够小,也一致收敛于真实的CBMeMBer滤波器,本文的研究目的是从理论上给出CBMeMBer滤波器GM实现的收敛结果,以完善CBMeMBer滤波器对多目标跟踪的理论研究.

关键词：多目标跟踪随机有限集多伯努利高斯混合收敛性分析

Rao-Blackwellized粒子势均衡多目标多伯努利滤波器

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2016年第2期33卷 146-153页

作者：陈辉韩崇昭西安交通大学智能网络与网络安全教育部重点实验室陕西西安710049 兰州理工大学电气工程与信息工程学院甘肃兰州730050

由于多伯努利滤波器直接近似递推了多目标状态的后验概率密度,使得多目标跟踪问题在基于随机有限集理论框架下的求解及目标状态的估计显得更为直观.本文针对一个状态可分解(线性/非线性)的状态空间模型,分析基于Rao-Blackwell定理的滤... 详细信息

由于多伯努利滤波器直接近似递推了多目标状态的后验概率密度,使得多目标跟踪问题在基于随机有限集理论框架下的求解及目标状态的估计显得更为直观.本文针对一个状态可分解(线性/非线性)的状态空间模型,分析基于Rao-Blackwell定理的滤波估计方法,结合噪声的去相关构造线性状态的滤波方程.文中详细推导并提出Rao-Blackwellized粒子势均衡多目标多伯努利滤波器的一般实现形式,包括给出多伯努利非线性状态粒子滤波的实现形式,并结合非线性滤波结果给出多伯努利线性状态的递推滤波公式.本文提出的滤波器实现方法能够在更低维的状态空间上进行采样,滤波器的整体跟踪性能得到提高.多目标跟踪的仿真实验结果验证了该算法的有效性.

关键词：多目标跟踪多伯努利随机有限集粒子滤波 Rao-Blackwell

基于多伯努利概率假设密度的扩展目标跟踪方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2016年第12期38卷 3114-3121页

作者：李文娟顾红苏卫民南京理工大学电子工程与光电技术学院南京210094

高分辨率雷达系统中,扩展目标一般会产生多个量测。现有随机有限集(RFS)类算法一般假定扩展目标的量测数目服从泊松分布,然而这个假设与实际情况不符。针对这一问题,该文提出一种多伯努利扩展目标概率假设密度(MB-ET-PHD)跟踪算法。该... 详细信息

高分辨率雷达系统中,扩展目标一般会产生多个量测。现有随机有限集(RFS)类算法一般假定扩展目标的量测数目服从泊松分布,然而这个假设与实际情况不符。针对这一问题,该文提出一种多伯努利扩展目标概率假设密度(MB-ET-PHD)跟踪算法。该算法首先假设扩展目标的量测数目服从多伯努利分布,然后通过有限集统计(FISST)理论的多目标微积分推导得到校正等式,最后给出了高斯混合(GM)框架的仿真结果。仿真结果表明该算法能够获得比泊松ET-PHD算法更好的跟踪性能。

关键词：扩展目标跟踪概率假设密度多伯努利

在线全文

学校读者我要写书评

暂无评论

多伯努利滤波器及其在检测前跟踪中的应用

多伯努利滤波器及其在检测前跟踪中的应用

作者：邹其兵西安电子科技大学

学位级别：硕士

无论在军事领域还是在民用领域，多目标跟踪技术都已经展现出广泛的应用前景。基于随机集的多目标跟踪算法是近年来多目标跟踪领域研究的热点，也是本文的研究重点。红外弱小目标的检测与跟踪是红外预警系统和精确制导系统中的一项关... 详细信息

无论在军事领域还是在民用领域，多目标跟踪技术都已经展现出广泛的应用前景。基于随机集的多目标跟踪算法是近年来多目标跟踪领域研究的热点，也是本文的研究重点。红外弱小目标的检测与跟踪是红外预警系统和精确制导系统中的一项关键技术，怎么实现低信噪比下的红外弱小目标检测与跟踪是一项很有挑战性的研究课题。本文重点研究了概率假设密度（PHD）和多伯努利滤波器以及低信噪比条件下红外弱小目标的检测前跟踪（TBD）方法。首先本文介绍了随机集的相关理论，研究了高斯混合PHD算法和PHD平滑算法，仿真实验表明高斯混合PHD平滑算法可以获得比高斯混合PHD算法更加准确的状态估计。其次研究最近提出的根据随机集推导出的多伯努利滤波器，然后介绍其在线性高斯条件下的实现-高斯混合的势均衡多伯努利滤波器。在非线性条件下，研究了两种高斯滤波方法：积分卡尔曼滤波（QKF）和容积卡尔曼滤波（CKF），并提出了基于QKF的势均衡多伯努利滤波器和基于CKF的势均衡多伯努利滤波器，较好地解决了非线性滤波问题。最后，针对基于粒子滤波的多伯努利TBD算法需要存储空间大，跟踪效果差等缺点，提出了基于高斯粒子的多伯努利TBD算法，在预测和更新阶段，对每一个高斯项采样粒子，每一帧只需存储高斯分布的均值和协方差，在较少的采样粒子数的情况下，可获得较高的跟踪精度。仿真实验表明提出的算法有较好的跟踪性能。

关键词：随机集多伯努利概率假设密度检测前跟踪

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

多目标多伯努利滤波跟踪算法研究

多目标多伯努利滤波跟踪算法研究

作者：王战西安工程大学

学位级别：硕士

多目标跟踪技术是信息融合领域的重要研究内容,已经在军事领域得到了广泛的应用。Mahler将随机有限集(Random Finite Set,RFS)理论引入多目标跟踪技术中,避免了数据关联算法带来的组合爆炸问题,为多目标跟踪理论开辟了新领域。在RFS框架... 详细信息

多目标跟踪技术是信息融合领域的重要研究内容,已经在军事领域得到了广泛的应用。Mahler将随机有限集(Random Finite Set,RFS)理论引入多目标跟踪技术中,避免了数据关联算法带来的组合爆炸问题,为多目标跟踪理论开辟了新领域。在RFS框架下,Mahler提出了多目标多伯努利(Multi-Target Multi-Bernoulli,Me MBer)滤波算法,随后Vo改进了该算法并提出了势均衡多目标多伯努利(Cardinality Balanced Me MBer,CBMe MBer)滤波算法,解决了多伯努利滤波算法过多估计目标数目的问题。随着跟踪环境的日益复杂以及目标跟踪精度要求的不断提高,原有的多伯努利滤波跟踪理论也需要深入地研究。本文重点研究了势均衡多目标多伯努利滤波算法在相关参数条件下的多目标跟踪问题,研究的具体内容如下:(1)多机动目标高斯混合势均衡多伯努利(Gaussian Mixture CBMe MBer,GM-CBMe MBer)滤波算法。由于标准的GM-CBMe MBer滤波器的运动模型不适合机动目标的运动状态,本文结合GM-CBMe MBer滤波算法和“当前”统计模型,提出一种多机动目标跟踪算法。该算法在CBMe MBer滤波算法的基础上,在预测阶段对目标的运动状态模型进行改进,增加了对目标加速度的控制和预测,从而使新算法能够有效跟踪机动目标的运动状态变化,并通过仿真结果证明新算法的可行性。(2)低检测率下改进的GM-CBMe MBer滤波算法。在低检测率下,GM-CBMe MBer滤波算法由于在更新过程中没有足够有效地量测值,所以发生严重的目标跟踪丢失问题。针对该问题,本文提出了一种改进的GM-CBMe MBer滤波算法,新算法对原有滤波过程中高权值的高斯项进行一定的处理。仿真结果表明新算法能够有效提高目标跟踪的精度。

关键词：多目标跟踪随机有限集多伯努利机动目标低检测率

一种基于多伯努利模型的被动多传感器多目标轨迹关联性能分析新方法

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

信号处理 2010年第10期26卷 1526-1531页

作者：盛卫东林两魁周一宇安玮国防科技大学电子科学与工程学院长沙410073

多目标轨迹关联算法的性能分析问题是天基光学被动测角跟踪系统中的核心和难点之一。该文针对具有代表性的基于最邻近准则的轨迹关联算法,提出了一种基于多伯努利模型的被动多传感器多目标轨迹关联性能分析新方法。首先,对关联倾角差统... 详细信息

多目标轨迹关联算法的性能分析问题是天基光学被动测角跟踪系统中的核心和难点之一。该文针对具有代表性的基于最邻近准则的轨迹关联算法,提出了一种基于多伯努利模型的被动多传感器多目标轨迹关联性能分析新方法。首先,对关联倾角差统计量的概率分布进行准确建模。接着,分析最邻近轨迹关联算法在多目标情况下的等价条件,求解出每一个目标在多目标情况下的正确关联概率。最后,通过将每一个目标的正确关联概率类比为伯努利试验的成功率,从而将多目标情况下的整体关联性能问题建模为多伯努利问题,在此基础上实现对多目标轨迹关联性能的理论推导。密集目标场景下的Monte Carlo仿真结果验证了该理论分析方法的有效性,分析结论可以为传感器调度等工程应用提供参考。

关键词：多目标最邻近轨迹关联倾角差统计量多伯努利

在线全文

学校读者我要写书评

暂无评论

多目标跟踪的多伯努利平滑方法

数字通信 2014年第2期41卷 8-11页

作者：孙杰李冬大连91550部队93分队大连91550部队94分队

为提高基于滤波的多目标跟踪方法的性能,提出了一种多伯努利平滑方法。该方法由前向滤波和反向平滑两部分组成,前向滤波采用势平衡多目标多伯努利滤波,反向平滑利用多伯努利概率密度近似多目标平滑状态的概率密度,实现多目标平滑状态概... 详细信息

为提高基于滤波的多目标跟踪方法的性能,提出了一种多伯努利平滑方法。该方法由前向滤波和反向平滑两部分组成,前向滤波采用势平衡多目标多伯努利滤波,反向平滑利用多伯努利概率密度近似多目标平滑状态的概率密度,实现多目标平滑状态概率密度的反向递推计算。仿真结果表明,与滤波相比,多伯努利平滑对目标数量和目标状态的估计精度都有显著提高。

关键词：多目标跟踪多伯努利滤波平滑

基于叠加式传感器的多普勒雷达多目标联合检测与估计

在线全文

学校读者我要写书评

暂无评论

信号处理 2022年第5期38卷 964-972页

作者：董文豪达凯宋志勇付强国防科技大学电子科学学院ATR国防重点实验室湖南长沙410073

多目标检测与估计是多普勒雷达的基本任务。当信噪比较低时,为确保检测到目标需降低门限而产生了大量虚警,基于数据的多假设跟踪(Multi-Hypothesis Tracking,MHT)和联合概率数据关联(Joint Probabilistic Data Association,JPDA)方法因... 详细信息

多目标检测与估计是多普勒雷达的基本任务。当信噪比较低时,为确保检测到目标需降低门限而产生了大量虚警,基于数据的多假设跟踪(Multi-Hypothesis Tracking,MHT)和联合概率数据关联(Joint Probabilistic Data Association,JPDA)方法因计算复杂度过高而失效,基于原始信号的随机有限集(Random Finite Set,RFS)滤波器可有效解决该问题。多普勒雷达回波信号以叠加的方式受到多个目标影响,其多目标检测与估计问题属于叠加式传感器的典型应用。本文在叠加式多伯努利(Multi-Bernoulli,MBR)滤波器基础上利用具有准确势估计的独立同分布群(Independent and Identically Distributed Cluster,IIDC)RFS对新生目标建模,并采用辅助粒子滤波器(Auxiliary Particle Filter,APF)实现了多目标联合检测与状态估计。仿真结果表明,混合MBR和集势概率假设密度(Cardinalized Probability Hypothesis Density,CPHD)滤波器对多普勒雷达多目标的检测估计性能优于MBR滤波器,且减小了计算复杂度。

关键词：叠加式传感器联合检测与估计多伯努利集势概率假设密度辅助粒子滤波

CBMeMBer滤波器序贯蒙特卡罗实现新方法的研究

在线全文

学校读者我要写书评

暂无评论

自动化学报 2016年第1期42卷 26-36页

作者：陈辉韩崇昭西安交通大学智能网络与网络安全教育部重点实验室西安710049 兰州理工大学电气工程与信息工程学院兰州730050

为提升多伯努利滤波器序贯蒙特卡罗(Sequential Monte Carlo,SMC)实现中粒子采样的有效性,提出一种CBMe MBer辅助粒子滤波(Auxiliary particle filter,APF)实现的新方法.首先,利用多伯努利后验概率密度选择适合于CBMe MBer滤波器的辅助... 详细信息

为提升多伯努利滤波器序贯蒙特卡罗(Sequential Monte Carlo,SMC)实现中粒子采样的有效性,提出一种CBMe MBer辅助粒子滤波(Auxiliary particle filter,APF)实现的新方法.首先,利用多伯努利后验概率密度选择适合于CBMe MBer滤波器的辅助变量去重新定义采样问题.分别选择量测和先验密度分量作为辅助变量,确保最终的状态粒子能够集中在真实目标量测对应航迹的伯努利概率密度上进行采样,以使粒子向似然函数的峰值区移动,得到更为精确的多目标多伯努利(Multi-target multi-Bernoulli,Me MBer)后验概率密度的估计.同时,文中深入研究并给出了在量测更新和漏检情况下辅助变量以及多目标状态采样分布函数的设计,并研究利用渐近更新(Progressive correction,PC)算法对先验密度分量的量测更新进行迭代逼近计算,以提高最终分布函数求解的准确度.最后,针对两个典型非线性多目标跟踪问题的应用验证了算法的有效性.

关键词：多目标跟踪随机有限集辅助变量序贯蒙特卡罗多伯努利