检索结果-南通市图书馆

多扩展目标跟踪中基于加权最优子模式分配距离的传感器管理方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2022年第5期39卷 887-896页

作者：陈辉刘雅婷张双庆韩崇昭兰州理工大学电气工程与信息工程学院甘肃兰州730050 西安交通大学综合自动化研究所陕西西安710049

针对多扩展目标跟踪优化中的传感器管理问题,本文基于随机有限集(RFS)提出一种基于加权最优子模式分配(W-OSPA)距离的传感器管理方法.首先,在部分可观测马尔可夫决策过程(POMDP)理论框架下,给出基于逆威沙特椭圆分布假设的多扩展目标跟... 详细信息

针对多扩展目标跟踪优化中的传感器管理问题,本文基于随机有限集(RFS)提出一种基于加权最优子模式分配(W-OSPA)距离的传感器管理方法.首先,在部分可观测马尔可夫决策过程(POMDP)理论框架下,给出基于逆威沙特椭圆分布假设的多扩展目标跟踪传感器管理的基本方法.其次,利用W-OSPA距离求解多扩展目标后验分布的离差,以离差最小化获得最优化的多扩展目标状态估计设计传感器管理策略.最后,通过推导给出的离差数值求解方法进行最优传感器管理方案的决策.仿真实验基于OSPA距离评价验证了所提传感器管理方法相对于其他算法对多扩展目标的质心运动状态和椭圆形状都有更好的估计效果.

关键词：传感器管理随机有限集加权最优子模式分配多扩展目标跟踪离差

在线全文

学校读者我要写书评

暂无评论

多扩展目标跟踪优化中的动态决策方法研究

多扩展目标跟踪优化中的动态决策方法研究

作者：魏凤旗兰州理工大学

学位级别：硕士

随着信息融合理论的深入发展与高分辨率传感器的广泛应用,多扩展目标跟踪(Multiple Extended Targets Tracking,METT)已经应用于军事、工业、农业等诸多领域,逐渐成为学术界的研究热点之一。所谓扩展目标是指在高分辨率传感器的观测下... 详细信息

随着信息融合理论的深入发展与高分辨率传感器的广泛应用,多扩展目标跟踪(Multiple Extended Targets Tracking,METT)已经应用于军事、工业、农业等诸多领域,逐渐成为学术界的研究热点之一。所谓扩展目标是指在高分辨率传感器的观测下拥有多个散射源的目标,通过处理所有散射源的相关信息可估计出目标更多的综合特征。迫于实际工程对高精度目标综合特征估计的需要以及其他特殊任务的要求,对METT系统整体性能的优化提升变得尤为重要。在METT系统高精度运行期间,传感器控制过程发挥了关键作用,通过对传感器系统进行动态决策,灵活调度有限传感器资源并充分发挥其最佳性能,使传感器观测过程的质量得到提升,从而改善METT系统的输入信息。有鉴于此,本文在METT过程中,深入研究了优化传感器实时工作状态的动态决策方法,通过对传感器控制策略的合理决策以实现METT系统的整体优化过程,提高多扩展目标综合特征的估计精度,主要工作如下:1)针对METT系统的性能优化问题,本文提出一种基于多扩展目标后验信息的高斯-瓦瑟斯坦距离最小化的传感器控制决策方法。算法首先由泊松多伯努利混合(Poisson Multi-Bernoulli Mixture,PMBM)滤波器与高斯逆Wishart滤波器计算了多扩展目标综合预测信息,其次根据传感器当前状态建立离散决策空间,然后在决策空间中的每个元素上,由多扩展目标综合预测信息构造预测理想观测集(Prediction Ideal Measurement Set,PIMS),从而进行伪更新过程并提取各目标的伪后验信息,以此进行决策准则的构建与数值计算,进而决策出最优传感器动作。最后调整传感器工作状态以获取最优观测过程并进行最优更新,便可得到优化后的多扩展目标后验信息。仿真实验对比了在不同传感器控制策略下的多扩展目标综合特征估计优化效果,结果表明本文所提传感器控制策略对多扩展目标综合特征估计精度的提升是有效的。2)针对降低离散决策空间中的多扩展目标优化跟踪过程遗漏最优决策解的概率的问题,本文提出一种基于粒子群算法的传感器控制决策方法,以补足对离散决策空间中的传感器控制决策过程的完备性。算法首先由PMBM滤波器与高斯逆Wishart滤波器的预测过程计算得到多扩展目标综合特征的预测信息,然后以此为先验信息通过粒子群算法以最大限度地接近各目标为准则求解传感器最优观测状态,接下来由工作在最佳状态的高分辨率传感器捕捉各目标的优质观测信息,最后由PMBM滤波器与高斯逆Wishart滤波器的更新过程得到优化后的多扩展目标综合特征。仿真实验对比了离散和连续决策空间中的多扩展目标综合特征估计的优化效果,结果表明连续决策空间中的多扩展目标综合特征估计优化策略有更好的估计精度。3)针对降低无人机(Unmanned Aerial Vehicle,UAV)在执行侦察任务时所受敌方目标威胁较大的问题,本文提出一种有效规避威胁的路径规划策略。首先利用机载高分辨率传感器对各目标进行精准稳健的状态估计,其中由PMBM滤波器对各目标实施运动状态的估计,由高斯逆Wishart滤波器估计各目标的扩展信息,然后由理想解相似性排序技术(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)量化目标威胁度并根据三向决策规则划分出威胁目标,最后综合目标威胁度与目标跟踪质量,建立联合评价指标以决策出UAV的最优路径。仿真实验对比了不同路径下UAV威胁规避的情况,结果表明本文所提路径规划策略能够使UAV在保证良好的目标综合特征估计精度的条件下,降低了UAV所受的目标威胁度。

关键词：多扩展目标跟踪决策准则传感器控制路径规划威胁规避

基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪

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

自动化学报 2023年第7期49卷 1573-1586页

作者：陈辉张星星兰州理工大学电气工程与信息工程学院兰州730050

针对厚尾噪声条件下不规则星凸形多扩展目标跟踪(Multiple extended target tracking,METT)问题,提出一种基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪方法.首先,采用学生t分布对厚尾过程噪声和量测噪声进行建模,并基于有限集统计(F... 详细信息

针对厚尾噪声条件下不规则星凸形多扩展目标跟踪(Multiple extended target tracking,METT)问题,提出一种基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪方法.首先,采用学生t分布对厚尾过程噪声和量测噪声进行建模,并基于有限集统计(Finite set statistics,FISST)理论利用随机超曲面模型(Random hypersurface model,RHM)建立不规则星凸形多扩展目标的跟踪滤波模型.然后,利用学生t混合(Student's t mixture,STM)模型来表征多伯努利密度,提出学生t混合多扩展目标多伯努利(Student's t mixture multiple extended target multi-Bernoulli filter,STM-MET-CBMeMBer)滤波算法,并进一步基于鲁棒学生t容积滤波算法提出了非线性鲁棒学生t混合星凸形多扩展目标多伯努利滤波算法.最后,通过构造厚尾噪声条件下星凸形多扩展目标和多群目标的跟踪仿真实验验证了所提方法的有效性.

关键词：多扩展目标跟踪厚尾噪声随机超曲面多伯努利

基于椭圆随机超曲面模型CPHD滤波器的多扩展目标跟踪算法

在线全文

学校读者我要写书评

暂无评论

现代雷达 2024年第5期46卷 26-30页

作者：滕明侯亚威李伟杰南京电子技术研究所江苏南京210039 中国卫星海上测控部江苏江阴214431 北京航空航天大学电子信息工程学院北京100191

复杂场景下多扩展目标跟踪在自动驾驶、目标识别等领域具有很高的应用价值。文中提出了一种基于椭圆随机超曲面模型(ERHM)的势概率假设密度(CPHD)滤波器。首先,基于有限集统计理论,利用CPHD滤波器建立多扩展目标的贝叶斯滤波框架;然后,... 详细信息

复杂场景下多扩展目标跟踪在自动驾驶、目标识别等领域具有很高的应用价值。文中提出了一种基于椭圆随机超曲面模型(ERHM)的势概率假设密度(CPHD)滤波器。首先,基于有限集统计理论,利用CPHD滤波器建立多扩展目标的贝叶斯滤波框架;然后,采用ERHM描述扩展目标的量测源分布,并利用无迹变换嵌入CPHD滤波流程;最后,仿真实验结果表明,ERHM-CPHD滤波器对椭圆扩展目标的跟踪性能优于传统的伽马高斯逆威沙特CPHD滤波器,在杂波密度较高、目标新生的位置比较确定的场景或者扩展目标数目较多时,对扩展目标的参数估计更为准确。所提方法在高分辨率雷达多目标跟踪方面具备很好的运用前景。

关键词：多扩展目标跟踪椭圆随机超曲面势概率假设密度滤波器无迹变换

在线全文

学校读者我要写书评

暂无评论

星凸形多扩展目标跟踪中的传感器控制方法

控制理论与应用 2020年第12期37卷 2627-2637页

作者：陈辉李国财韩崇昭杜金瑞兰州理工大学电气工程与信息工程学院甘肃兰州730050 西安交通大学自动化科学与工程学院陕西西安710049

针对多扩展目标跟踪中的传感器控制问题,本文基于有限集统计(FISST)理论与随机超曲面模型(RHM),利用多伯努利(MBer)滤波器提出有效的传感器控制策略.首先,文中给出多扩展目标跟踪中基于信息论联合目标形状估计优化和目标运动状态估计优... 详细信息

针对多扩展目标跟踪中的传感器控制问题,本文基于有限集统计(FISST)理论与随机超曲面模型(RHM),利用多伯努利(MBer)滤波器提出有效的传感器控制策略.首先,文中给出多扩展目标跟踪中基于信息论联合目标形状估计优化和目标运动状态估计优化的传感器控制方法的求解思路.其次,给出RHM容积卡尔曼高斯混合(GM)势均衡多扩展目标多伯努利滤波算法的具体实现过程.然后,结合GM密度间的柯西施瓦兹(Cauchy-Schwarz)散度提出相应的传感器控制决策方法.此外,详细推导了扩展目标势的后验期望(PENET)的GM实现,并提出以GM–PENET为评价函数的传感器控制方法.最后,通过构造随机星凸形多扩展目标的跟踪优化仿真实验验证了本文所提传感器控制方法的有效性.

关键词：多扩展目标跟踪随机超曲面模型传感器控制多伯努利滤波器

在线全文

学校读者我要写书评

暂无评论

多扩展目标跟踪量测集划分方法研究

多扩展目标跟踪量测集划分方法研究

作者：刘风梅江南大学

学位级别：硕士

在传统的多目标跟踪技术中,通常假设一个目标至多产生一个量测,然而随着探测技术和雷达设备分辨率的不断提高,单个目标的不同反射点可能分布在不同的距离单元中,即单个目标可能产生多个量测,且量测数目是变化的,这样的目标称之为扩展目... 详细信息

在传统的多目标跟踪技术中,通常假设一个目标至多产生一个量测,然而随着探测技术和雷达设备分辨率的不断提高,单个目标的不同反射点可能分布在不同的距离单元中,即单个目标可能产生多个量测,且量测数目是变化的,这样的目标称之为扩展目标。因此,研究目标数未知且变化的多扩展目标连续跟踪问题,尤其是在杂波环境下,需要解决的首要问题是量测集的划分问题,能否正确划分每个时刻的扩展目标量测集,决定了目标状态估计性能。本论文是在概率假设密度滤波算法的基础上,主要围绕多扩展目标量测集划分方法开展了相关研究工作。1.针对杂波环境下,目标数未知且变化的多扩展目标跟踪量测集合难以划分、计算代价高的问题,提出一种基于密度和谱聚类的量测集划分算法。该算法与传统的多扩展目标跟踪量测集划分算法不同,不是直接划分量测集合,而是首先通过密度核函数将杂波量测和扩展目标量测分开,然后再对扩展目标量测集合进行划分。通常情况下,量测集划分方法存在由于划分数目多而导致滤波时间代价高的问题,为此,本文采用改进的谱聚类技术对目标量测集进行划分,并为目标量测集中所含的类别数建立数学模型,从而减少了划分数目,降低了滤波时间开销。实验结果表明,该算法使得扩展目标跟踪性能得到很大的提升。2.针对杂波环境下,紧邻多扩展目标量测集合存在源于多个扩展目标的量测被划分到同一子集中的问题,导致扩展目标被漏估,提出一种未知量测产生率的多扩展目标量测集划分算法,该算法引入均值漂移聚类算法,并建立一种自适应窗宽模型,避免了需提前确定类别数的弊端。另外本算法对划分错误的量测子集进行二次划分,而判断是否进行二次划分的一个重要参数是扩展目标量测产生率,其通常被设置为已知常量,然而在真实的多扩展目标跟踪场景中,扩展目标量测产生率是未知的,本算法放宽了这一限定,提出一种新的实时估计未知量测产生率的方法,使得目标量测产生率逐步收敛于实际量测产生率。仿真结果表明算法改善了划分精度和跟踪性能。3根据上述思路,提出一种基于密度和聚类的扩展目标量测集划分框架,本文提出的所有算法并非局限于本文所述算法,而是一种思路框架,在该框架下变换子方法依然有效,并引入AP聚类和FCM聚类算法进行验证,实验结果证明了该框架的正确性。

关键词：多扩展目标跟踪量测集划分概率假设密度聚类量测率估计

一种改进的广义标签多伯努利机动扩展目标跟踪算法

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

控制与决策 2019年第10期34卷 2143-2149页

作者：冯新喜迟珞珈王泉蒲磊空军工程大学信息与导航学院

针对广义标签多伯努利滤波器(GLMB)预测步和更新步分别需要进行剪枝而导致计算量大、运行效率低且只考虑到单个运动模型的问题,提出一种多模型一步更新广义标签多伯努利机动扩展目标跟踪算法.首先通过公式推导将预测步与更新步合并,给... 详细信息

针对广义标签多伯努利滤波器(GLMB)预测步和更新步分别需要进行剪枝而导致计算量大、运行效率低且只考虑到单个运动模型的问题,提出一种多模型一步更新广义标签多伯努利机动扩展目标跟踪算法.首先通过公式推导将预测步与更新步合并,给出一种新的一步递归表达式;然后将多模型思想引入到一步递归表达式中,得到最终的多模型一步更新方程,同时基于吉布斯采样提出一种快速剪枝方法对其进行剪枝.由于改进后的滤波算法只涉及到一次剪枝且剪枝方法高效,算法的运行时间大大缩短;同时,由于采用了多模型思想,对机动目标的跟踪精度有了一定的提高.仿真实验表明,所提出的改进算法可以有效估计机动目标状态,且相比于多模型标签多伯努利滤波器(MMGLMB)计算效率明显提高.

关键词：随机有限集标签多伯努利多扩展目标跟踪机动目标

在线全文

学校读者我要写书评

暂无评论

基于形状驱动的多扩展目标跟踪及分类方法

基于形状驱动的多扩展目标跟踪及分类方法

作者：李方迪江南大学

学位级别：硕士

随着传感器分辨率的提高,一个目标可以占据多个分辨单元,这样的目标被称为扩展目标。近年来,扩展目标跟踪的研究受到了国内外研究学者的广泛关注。尤其是随机有限集(Random Finite Set,RFS)的出现,被广泛应用于多扩展目标跟踪中,解决了... 详细信息

随着传感器分辨率的提高,一个目标可以占据多个分辨单元,这样的目标被称为扩展目标。近年来,扩展目标跟踪的研究受到了国内外研究学者的广泛关注。尤其是随机有限集(Random Finite Set,RFS)的出现,被广泛应用于多扩展目标跟踪中,解决了复杂环境下目标数目未知且变化的多扩展目标跟踪问题,还将此类技术应用到了民用、军事、医用等领域。虽然多扩展目标跟踪技术得到了进一步发展,但量测难以有效划分和不规则形状估计问题仍然是扩展目标跟踪领域的重点和难点问题。本文围绕随机有限集在扩展目标跟踪中的应用,重点解决了紧邻目标量测集划分与跟踪、未知新生目标预测、航迹关联等问题,取得的主要成果如下:1.针对多扩展目标跟踪中,出现的紧邻目标量测集划分和后续的跟踪问题,提出了一种基于B样条形状驱动的概率假设密度(B-spline Shape Driven Probability Hypothesis Density,BSD-PHD)滤波方法。该方法首先针对传统形状选择划分算法(Shape selection partitioning,SSP)遍历量测集候选位置时出现的时间复杂度高的问题,引入了核密度估计(Kernel density estimation,KDE)方法寻找候选位置,并且使用B样条形状匹配策略选出最佳划分方案,提出了BSD-KDE-SSP方法。之后,针对目标出现紧邻或者交叉运动时,仅采用目标的位置信息对其更新,出现的漏跟、错跟等现象,使用该算法中的B样条形状匹配策略对其更新,便可提取出正确的目标状态,而后可以较准确提取出目标的形状类别信息。实验表明,BSD-PHD-SSP能有效提高算法的效率,实验中还将BSD-PHD滤波算法分别与ET-GM-PHD、高斯逆威沙特PHD(Gaussian inverse Wishart PHD,GIW-PHD)进行了比较,该算法在不改变其它参数值的基础上,能够更准确估计出目标的运动、形状以及形状类别信息。2.针对多扩展标跟踪中,高斯混合滤波算法的计算量大,新生目标未知问题,提出基于关联矩阵的多扩展目标跟踪算法。传统的ET-GM-PHD滤波方法,在每个时刻的滤波中,要对每一个高斯分量进行量测遍历更新,严重影响了算法的运算效率,而提出了基于关联矩阵的多扩展目标跟踪算法。该算法中将目标量测状态与预测高斯分量状态的关联矩阵引入滤波方法中,将量测与高斯分量状态相似度高的分量保留,其他未进行更新匹配分量可能是杂波分量,可直接舍去,有效提高了算法的执行效率。运动过程中有目标新生时,关联矩阵中目标量测列存在新生目标量测集,经过多个时刻的判别,确定为新生目标提取出来。实验表明,关联矩阵既可以提高算法的运行效率,同时可以完成对未知新生目标的识别。3.针对多扩展目标跟踪中,不能提供准确的航迹关联信息,提出了两种滤波框架下的高斯分量航迹标签关联算法。首先,在BSD-PHD滤波框架下引入高斯分量标签,解决了多扩展目标发生紧邻或者交叉运动时,无法准确提取出目标的航迹信息的问题。然后,在基于关联矩阵的BSD-PHD滤波框架下引入高斯分量标签,解决了高斯分量数目迭代增多,计算量大的问题,还将高斯分量标签引入目标自适应框架中,解决了新生目标的航迹估计问题。实验表明,提出算法在扩展目标的航迹提取方面有良好的效果。

关键词：多扩展目标跟踪随机有限集形状驱动核密度估计关联矩阵航迹标签

基于Mean Shift迭代的新生未知多扩展目标跟踪

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

控制与决策 2017年第3期32卷 521-525页

作者：李翠芸桂阳刘靳西安电子科技大学电子工程学院西安710071

针对当前基于随机集的多扩展目标跟踪算法存在计算量大、量测划分不准确和跟踪误差大的问题,在PHD滤波基础上提出一种基于均值漂移(Mean Shift)迭代的新生未知多扩展目标跟踪算法.首先,对聚类后量测数据进行关联,得到新生目标状态,解决... 详细信息

针对当前基于随机集的多扩展目标跟踪算法存在计算量大、量测划分不准确和跟踪误差大的问题,在PHD滤波基础上提出一种基于均值漂移(Mean Shift)迭代的新生未知多扩展目标跟踪算法.首先,对聚类后量测数据进行关联,得到新生目标状态,解决目标新生问题;然后,通过Mean Shift迭代获得目标量测集质心,将扩展目标的多量测问题转化为点量测处理;最后,给出其粒子实现方式.仿真实验表明,所提出的算法可以降低跟踪复杂度,提高跟踪效率,在交叉时刻具有稳定的跟踪性能。

关键词：多扩展目标跟踪 PHD滤波均值漂移新生未知粒子滤波