检索结果-南通市图书馆

自动化学报 2022年第5期48卷 1370-1384页

作者：吴孙勇王力李天成孙希延蔡如华桂林电子科技大学数学与计算科学学院桂林541004 广西精密导航技术与应用重点实验室桂林541004 西北工业大学自动化学院西安710071

针对感知范围受限的分布式传感网多目标跟踪问题,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,通过视场互补扩大传感器感知范围,其中,局部公共区域只互补一次以降低计算成本.其次,每个传感... 详细信息

针对感知范围受限的分布式传感网多目标跟踪问题,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,通过视场互补扩大传感器感知范围,其中,局部公共区域只互补一次以降低计算成本.其次,每个传感器分别运行局部多伯努利滤波器,并将滤波后验结果与相邻传感器进行泛洪通信使得每个传感器获取多个相邻传感器的后验信息.随后,通过距离划分进行多伯努利关联,将对应于同一目标的伯努利分量关联到同一个子集中,并对每个关联子集进行算术平均融合完成融合状态估计.仿真实验表明,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.

关键词：有限感知范围视场互补多伯努利关联算术平均融合多目标跟踪

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于状态扩维多伯努利滤波的分布式传感器融合方法

基于状态扩维多伯努利滤波的分布式传感器融合方法

引用

作者：陈旭志江南大学

学位级别：硕士

分布式传感器网络在单传感器滤波的基础上,利用传感器间通信交换多目标后验分布,对多目标后验分布进行信息融合达到提高多目标跟踪精度的目的。受限于单传感器检测能力、监控视野非完全一致以及复杂环境下目标漏跟或杂波干扰,传感器间... 详细信息

分布式传感器网络在单传感器滤波的基础上,利用传感器间通信交换多目标后验分布,对多目标后验分布进行信息融合达到提高多目标跟踪精度的目的。受限于单传感器检测能力、监控视野非完全一致以及复杂环境下目标漏跟或杂波干扰,传感器间滤波后验分布差异较大,直接采用广义协方差交集(Generalized Covariance Intersection,GCI)融合易丢失目标分布信息,探索有效的多传感融合方法仍值得深入研究。因计算复杂度较低且跟踪性能良好,基于随机有限集的多伯努利滤波自诞生以来受到广泛关注。在多伯努利滤波基础上,广义标签多伯努利滤波、标签多伯努利滤波相继被提出,且可提供目标航迹管理功能。本文将在标签多伯努利框架下,研究基于分布式融合的多传感器多目标跟踪方法,主要内容有:1.针对分布式传感器网络对标签多伯努利后验分布进行GCI融合时,存在标签不一致、计算复杂度高、以及目标漏跟使得融合后势低估等问题,提出一种状态扩维标签匹配的分布式传感器融合算法。首先,针对标签不一致问题,对目标状态进行扩维,改进分布式融合中目标标签的匹配过程,使融合过程更加高效,同时也克服标签空间不一致的问题;其次,针对计算复杂度高的问题,只传输“疑似目标”后验分布,减少通信数据量,采用“分而治之”的策略对已匹配的存活目标、新生目标、漏跟目标等分别进行融合,结合前述改进目标标签匹配过程有效降低了计算复杂度;最后,针对目标漏跟使得融合后势低估问题,建立漏跟与虚警表记录相应目标,对漏跟目标分布采用反馈补偿策略,有效降低单一传感器目标漏跟对分布式传感器网络融合跟踪精度的影响。实验结果表明,提出算法在分布式传感器网络多目标跟踪场景中有效完成多目标跟踪任务,具有有效性和鲁棒性。2.针对有限视野(Limited Fi el ds of Vi ew,LF o Vs)传感器网络中相邻通信传感器仅部分视野重叠,各传感器滤波后验差异较大,采用GCI融合方法将导致非重叠区域目标分布丢失问题,提出一种基于有限视野传感器的标签多伯努利多目标跟踪方法。首先,在单传感器进行LMB滤波基础上,采用泛洪传输扩散各传感器滤波跟踪后验,扩大单一传感器跟踪视野,使传感器获得全局视野中所有目标后验分布;其次,提出一种基于划分的聚类方法,根据融合目标匹配特点采取约束条件对目标进行限制划分,针对不同类型目标采取不同的融合策略;最后,针对直接提取跨传感器运动目标后验分布造成目标航迹割裂问题,利用目标标签以及传感器标识信息,建立航迹维持表对跨传感器运动目标进行本地标签校正,维持目标航迹连续性、一致性。实验结果表明,提出算法使得各传感器能有效估计传感器网络全局视野内各目标状态,并保证跨传感器运动目标时航迹的连续性、一致性。3.针对GCI融合对漏跟目标敏感、实现形式更复杂、计算资源要求较高,不适合节点较多的大型传感器网络应用等问题,本文探索算术平均融合方法在LMB分布融合中的应用。首先,通过泛洪传输在传感器网络中扩散多目标后验,采用第四章的基于聚类的目标划分方法,将各对应目标的LMB分量有效分类;其次,根据分类结果设定基准传感器,对类中目标进行标签校正,达到同一目标标签全局一致;最后,按类或按标签对目标执行算术平均融合。提出算法采用高斯混合方式实现融合,融合过程仅需对各类中目标计算平均存在概率,对LMB分量中表征目标分布的高斯分量进行重赋权。实验结果表明,本章提出算法在2个实验场景下皆有效地提高多目标跟踪精度,证明融合方法的有效性。

关键词：多目标跟踪分布式传感器网络标签多伯努利滤波广义协方差交集融合有限视野传感器算术平均融合

来源：

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

基于多传感器信息融合的扩展目标跟踪算法研究

基于多传感器信息融合的扩展目标跟踪算法研究

引用

作者：郑翔飞桂林电子科技大学

学位级别：硕士

多传感器多扩展目标跟踪是通过多个高分辨率传感器相互合作,对场景内扩展目标的质心状态,外形大小和数目进行有效地估计。近年来,随着随机有限集(Random Finite Set,RFS)理论的不断发展,基于RFS理论的贝叶斯多目标跟踪技术受到了国内外... 详细信息

多传感器多扩展目标跟踪是通过多个高分辨率传感器相互合作,对场景内扩展目标的质心状态,外形大小和数目进行有效地估计。近年来,随着随机有限集(Random Finite Set,RFS)理论的不断发展,基于RFS理论的贝叶斯多目标跟踪技术受到了国内外学者的广泛关注,并且随着传感器精度的不断提高,目标跟踪从以往的点目标跟踪逐渐过渡到扩展目标跟踪,许多基于RFS的多扩展目标跟踪算法也应运而生,以满足不断变化的目标跟踪需求。随着通信技术的不断发展,不少学者提出了基于多传感器信息融合的多传感器多目标跟踪算法,改善单传感器视场有限的劣势以及进一步提升了目标跟踪精度。然而在多传感器网络下的扩展目标跟踪技术存在着诸多挑战和问题,例如扩展目标估计关联问题等。基于多传感器信息融合,本文主要研究了分布式多传感器扩展目标跟踪方法,取得了三方面的研究成果,如下:1.基于高斯混合实现的扩展目标势平衡多目标多伯努利滤波器,提出基于算术平均的高斯混合扩展目标多伯努利跟踪算法(Arithmetic Average Extended Target Multi-Bernoulli,AA-ET-MB)。首先,每个传感器分别运行不考虑扩展目标外形的局部ET-MB滤波器,然后通过匈牙利算法实现不同传感器之间的同一目标的伯努利关联,随后利用信息一致的AA融合实现同一目标的伯努利后验密度融合并且反馈给当前传感器以改进下一次滤波迭代精度。结果表明所提算法在多传感器网络下对扩展目标的位置跟踪精度更优。2.基于高斯逆威夏特-概率假设密度滤波器,提出基于算术平均融合的扩展目标概率假设密度跟踪算法(Arithmetic Average Gaussian Inverse Wishart Probability Hypothesis Density,AA-GIW-PHD)。首先,引入高斯逆威夏特分布对扩展目标位置和外形进行建模,并以此实现单传感器下扩展目标GIW-PHD滤波器。每个传感器分别运行局部GIW-PHD得到后验概率密度。其次引入泛洪通信,快速有效的实现相邻传感器之间的后验密度信息共享。随后,通过AA融合方法后验概率密度进行融合,并最后反馈给各个传感器进行下一次滤波迭代。结果表明所提算法在分布式传感器网络中能有效地估计扩展目标质心位置和外形大小。3.基于伽马高斯逆威夏特-势平衡多目标多伯努利滤波器,提出了基于算术平均融合的分布式多伯努利扩展目标跟踪算法(Arithmetic Average Gamma GIW MB,AA-GGIW-MB)。首先,在GIW的基础上引入伽马分布(Gamma)来近似目标量测泊松率,从而将扩展目标状态进一步建模为伽马高斯逆威夏特分布(Gamma GIW,GGIW)并以此实现伽马高斯逆威夏特-势平衡多目标多伯努利(Gamma GIW-Cardinality Balance Multi-target Multi-Bernoulli,GGIW-CBMe MBer)滤波跟踪算法。每个传感器分布运行局部GGIW-CBMe MBer滤波器得到多伯努利后验概率密度,随后利用泛洪通信快速有效的实现传感器之间后验密度信息共享。为了有效的实现同一扩展目标在不同传感器下后验密度关联,结合质心欧式距离和外形矩阵非欧式-形状度量提出了椭圆距离。通过椭圆距离将同一扩展目标的后验概率密度划分到同一子集,并利用AA融合规则得到融合后的近似GGIW分布的空间密度。仿真实验表明,所提算法在分布式传感网络中能有效地进行扩展目标跟踪。

关键词：随机有限集算术平均融合多扩展目标跟踪信息一致分布式泛洪通信

来源：

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

基于随机有限集的多传感器信息融合算法的研究

引用

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

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：