检索结果-南通市图书馆

量测不确定性条件下的箱粒子滤波目标跟踪方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第9期46卷 3654-3661页

作者：王宁段睿周笑仪西北工业大学航海学院西安710072

在复杂水下环境中,主动声呐的量测值在距离和方位分辨率上存在较大的不确定性,即一个目标回波的能量可能覆盖声呐距离-方位能量谱的多个相邻位置网格。并且,当环境中混响较强时,上述量测不确定性将引起多个区域性的杂波干扰。为了减小... 详细信息

在复杂水下环境中,主动声呐的量测值在距离和方位分辨率上存在较大的不确定性,即一个目标回波的能量可能覆盖声呐距离-方位能量谱的多个相邻位置网格。并且,当环境中混响较强时,上述量测不确定性将引起多个区域性的杂波干扰。为了减小状态空间估计的偏差,基于粒子滤波(PF)的跟踪方法需要大量粒子来近似后验概率密度,跟踪的实时性急剧降低。针对上述问题,该文提出一种基于区间量测的箱粒子滤波跟踪方法(IBPF),对主动声呐量测值进行区间表示,即用一个表示距离和方位区间的箱粒子代替点值量测,用区间表示这种量测不确定性,在提高状态估计稳定性的同时,极大程度地减少了后验概率密度估计所需的粒子数,从而进一步提高计算效率。实验结果表明,所提IBPF与PF相比,能以更高的计算效率获得更优的跟踪性能,对目标的跟踪时间缩短了18.06%,跟踪成功帧数增加了4.29%。

关键词：水下目标跟踪主动声呐箱粒子滤波量测不确定

在线全文

学校读者我要写书评

暂无评论

箱粒子滤波理论综述

电光与控制 2015年第11期22卷 56-60页

作者：于洁刘昌云李志汇空军工程大学防空反导学院西安710051

介绍了一种基于蒙特卡罗方法和区间分析相结合的处理非线性动态随机系统的估计方法——箱粒子滤波算法。在递推贝叶斯估计理论框架下,分析了箱粒子滤波理论的核心思想和基本原理;研究了箱粒子滤波的性能特点,并对箱粒子滤波理论的应用... 详细信息

介绍了一种基于蒙特卡罗方法和区间分析相结合的处理非线性动态随机系统的估计方法——箱粒子滤波算法。在递推贝叶斯估计理论框架下,分析了箱粒子滤波理论的核心思想和基本原理;研究了箱粒子滤波的性能特点,并对箱粒子滤波理论的应用进行了简单的介绍;最后,对箱粒子滤波算法进行展望,指出未来的发展方向。

关键词：箱粒子滤波蒙特卡罗方法区间分析贝叶斯估计

在线全文

学校读者我要写书评

暂无评论

箱粒子滤波在扩展目标跟踪中的应用

箱粒子滤波在扩展目标跟踪中的应用

作者：严超西安电子科技大学

学位级别：硕士

目标跟踪技术因其在军事和民用领域所展现出的巨大应用潜力,以及在现代防空作战和航空航天等领域的关键地位,而备受国内外学者的高度关注。随着宽带雷达的研制与进一步开发,由于其较高的距离分辨率和较强的抗干扰性能使得宽带雷达在电... 详细信息

目标跟踪技术因其在军事和民用领域所展现出的巨大应用潜力,以及在现代防空作战和航空航天等领域的关键地位,而备受国内外学者的高度关注。随着宽带雷达的研制与进一步开发,由于其较高的距离分辨率和较强的抗干扰性能使得宽带雷达在电子战中发挥着越来越重要的作用,其在“高距离分辨率”条件下所产生的扩展目标的跟踪问题也亟待解决。在扩展目标跟踪中,每一时刻目标的量测数目通常不止一个,因此在多扩展目标的跟踪过程中,其复杂的数据关联结果往往导致扩展目标很难被跟踪并且其跟踪算法具有较高的计算复杂度。如何在保证较好滤波性能的前提下,降低算法的计算复杂度,并解决划分单元中无法剔除杂波量测而对目标状态估计产生影响,以及目标的量测必须服从一定分布的假设等问题成为了一项极具挑战性的研究课题。本文主要在区间分析的理论基础上,围绕箱粒子滤波在扩展目标跟踪算法中的应用展开相关研究工作。1.研究了箱粒子的基础知识,通过已有的研究成果了解了其应用范围和实现过程,其主要处理的是非精确量测问题,即最大误差已知的量测,采用区间分析的方法,将其表示为区间数据,进而通过约束传播的方法进行滤波,箱粒子滤波是将粒子滤波与区间分析有机结合而提出的,采用区间数据来代替原有粒子滤波的精确数据,能以几十个箱粒子达到近似于传统几千个粒子的滤波性能,具有运行速度快,计算复杂度低等优势并且在量测存在一定模糊性的情况下有较好的表现。2.研究了基于区间分析的多扩展目标的跟踪算法。首次将箱粒子滤波所处理的最大误差问题应用于扩展目标的扩展范围方面,采用矩形箱的形式来表示扩展目标进而对目标进行跟踪,提出了以箱粒子为模型的基于区间分析的多扩展目标跟踪算法。本算法在保证了良好的滤波性能的同时,降低了扩展目标跟踪算法的计算复杂度,同时对目标的量测分布也无限制要求;由于其采用的区间量测不需要区分划分单元内的真实量测与杂波量测,可很好的解决传统扩展目标量测划分中由于无法剔除目标区域内的杂波量测而对滤波结果产生的影响,其似然函数的特殊性也保证了算法较好的抗杂波性能,对于不同大小的扩展目标也可直接跟踪。3.研究了机动扩展目标的跟踪算法。本文在以区间分析来处理扩展目标跟踪问题的基础上,结合交互多模型的提出了基于箱粒子的机动扩展目标跟踪算法,并由于新生粒子的加入有效地降低了模型概率估计偏差所带来的影响,之后又引入随机集理论,提出了解决多机动目标跟踪的交互多模型箱粒子PHD滤波算法,并将交互多模型的箱粒子PHD滤波算法应用于多个扩展目标的跟踪上,此算法继承了箱粒子在扩展目标跟踪中所具有诸多优势,如所需粒子数少、运行速度快,抗杂波性能强,量测无需服从一定分布等优点。

关键词：区间分析扩展目标箱粒子滤波随机集理论交互多模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

箱粒子滤波及其在目标跟踪中的应用研究

箱粒子滤波及其在目标跟踪中的应用研究

作者：赵雪刚西安电子科技大学

学位级别：硕士

目标跟踪技术作为现代高科技战争和航空航天等领域的关键技术之一，一直以来都受到各国专家学者的广泛重视和深入研究。随着无线传感器网络、分布式计算的迅速发展，非传统量测已成为目标跟踪算法亟待解决的难题之一。箱粒子滤波作为一... 详细信息

目标跟踪技术作为现代高科技战争和航空航天等领域的关键技术之一，一直以来都受到各国专家学者的广泛重视和深入研究。随着无线传感器网络、分布式计算的迅速发展，非传统量测已成为目标跟踪算法亟待解决的难题之一。箱粒子滤波作为一种“广义粒子滤波”算法，是新近出现的处理区间量测的有力工具。与此同时，针对多动态系统的随机集最优贝叶斯滤波的实现算法是工程计算必须要解决的问题，目前有四种近似的实现算法：贝努利滤波（联合目标检测和跟踪滤波）、概率假设密度滤波、势平衡概率假设密度滤波和多贝努利滤波。本文主要在区间量测条件下，围绕箱粒子滤波及其在上述四类目标跟踪算法中的应用展开相关研究工作。 1、研究了箱粒子滤波的形成、发展和实现。主要包括贝叶斯框架、非传统量测、区间分析和量化量测等问题，以及箱粒子滤波在贝努利滤波和概率假设密度滤波中的应用。箱粒子滤波是在集员估计基础上发展起来的一种序贯蒙特卡罗方法，它用箱粒子和误差界限模型来取代传统的点粒子和误差统计模型，相比于粒子滤波，箱粒子滤波具有所需粒子数少、算法复杂度低、运行速度快和适用于分布式计算等优点。 2、研究了箱粒子CBMeMBer滤波的多目标跟踪方法。首次提出将箱粒子滤波应用到势平衡多目标多贝努利滤波器中，形成Box-CBMeMBer滤波器。此滤波器不仅能够估计目标数随时间变化的多目标状态，还可处理随机不确定性，量测不确定性和数据关联不确定性。此外，为了解决高杂波场景下目标状态和目标数估计精度降低问题，对广义似然函数进行了改进。相比SMC-CBMeMBer滤波，所提算法不仅能保持良好的跟踪精度，同时滤波所需箱粒子数和计算时间也大幅度减少。 3、研究了量化量测条件下的机动目标跟踪算法。为了处理量化量测条件下的机动目标跟踪问题，本文提出了交互多模型箱粒子滤波(IMMBPF)算法。提出的算法既可以处理非线性、非高斯情况下的单机动目标跟踪问题，又继承了箱粒子滤波具有的粒子数少、复杂度低、运行速度快的优点。仿真结果表明IMMBPF算法具有良好的性能。

关键词：目标跟踪箱粒子滤波随机有限集区间量测交互多模型

区间量测下自适应交互多模型箱粒子滤波机动目标跟踪

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电讯技术 2024年第4期64卷 591-597页

作者：张俊根北方民族大学电气信息工程学院银川750021

针对现有交互多模型箱粒子滤波(Interacting Multiple Model Box Particle Filter,IMMBPF)算法在区间量测目标跟踪过程中模型切换和跟踪精度方面的不足,结合自适应交互多模型算法,提出了一种自适应交互多模型箱粒子滤波(Adaptive IMMBPF... 详细信息

针对现有交互多模型箱粒子滤波(Interacting Multiple Model Box Particle Filter,IMMBPF)算法在区间量测目标跟踪过程中模型切换和跟踪精度方面的不足,结合自适应交互多模型算法,提出了一种自适应交互多模型箱粒子滤波(Adaptive IMMBPF,AIMMBPF)算法。该算法利用模型似然后验信息构建修正因子,并结合阈值对马尔可夫转移概率矩阵进行自适应修正,使得匹配模型的概率快速增大,并且可以减小非匹配模型的影响,即使在目标运动模型先验信息不足或者不准确情况下,也能对模型转移概率进行自适应更新。对于量测常受到未知分布和偏差的区间误差所影响而呈现区间形式的问题,将箱粒子代替普通粒子,拟合后验概率密度从而进行滤波。仿真结果表明,相比于原有算法,该算法在区间量测机动目标跟踪的应用中,拥有更优的模型匹配度和目标跟踪精度。

关键词：机动目标跟踪箱粒子滤波自适应交互多模型区间量测转移概率矩阵

在线全文

学校读者我要写书评

暂无评论

基于箱粒子滤波的再入弹道目标跟踪

现代防御技术 2016年第4期44卷 72-80,100页

作者：倪鹏刘进忙刘昌云李振兴空军工程大学防空反导学院陕西西安710051

弹道目标在再入段运动方式的不确定性和复杂性导致了跟踪问题呈现非线性、不精确性。为此,引入一种"广义粒子滤波"算法——箱粒子滤波算法对再入段的弹道目标进行跟踪。该算法有别于传统点量测和误差统计模型,采用基于区间分析的箱粒子... 详细信息

弹道目标在再入段运动方式的不确定性和复杂性导致了跟踪问题呈现非线性、不精确性。为此,引入一种"广义粒子滤波"算法——箱粒子滤波算法对再入段的弹道目标进行跟踪。该算法有别于传统点量测和误差统计模型,采用基于区间分析的箱粒子来处理这类不精确性,更加符合实际系统的工作情况,且克服了粒子滤波因需大量粒子拟合带来的实时性差的问题。仿真实验将新算法与粒子滤波算法和无迹卡尔曼滤波算法进行了对比。仿真结果表明,在确保了跟踪精度的前提下,新算法计算效率更高,是个很有效的跟踪再入目标的非线性滤波算法。

关键词：目标跟踪箱粒子滤波再入弹道区间量测粒子滤波区间分析

基于粒子滤波与箱粒子滤波的目标跟踪方法的研究

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

基于粒子滤波与箱粒子滤波的目标跟踪方法的研究

作者：叶平兰州理工大学

学位级别：硕士

目标跟踪(Target tracking)问题在军事与民用领域具有广泛的应用前景,但实际场景中存在虚警、杂波、目标数的随机性、漏检及量测的非线性等不确定性因素,使其成为学术界与工程界研究的热点和难点。早期的研究工作的重点在于解决量测与... 详细信息

目标跟踪(Target tracking)问题在军事与民用领域具有广泛的应用前景,但实际场景中存在虚警、杂波、目标数的随机性、漏检及量测的非线性等不确定性因素,使其成为学术界与工程界研究的热点和难点。早期的研究工作的重点在于解决量测与真实目标之间的关联决策问题。随着有限集统计(Finite set statistics,FISST)理论的提出,人们相继提出了一系列可完全避免数据关联的基于随机有限集(Random finite set,RFS)的目标跟踪方法。概率假设密度(Probability hypothesis density,PHD)滤波器是其中最具代表性的处理未知目标数环境下的多目标跟踪算法。粒子滤波器(Particle filter,PF)是一种基于贝叶斯递推方程和序贯蒙特卡罗(Sequential monte carlo,SMC)模拟的滤波方法。相比于卡尔曼滤波器(Kalman filter,KF)等算法,粒子滤波具有更好的普适性和算法可扩展性,因此被广泛用于解决非线性、非高斯的滤波问题。它采用样本及其权值所构成的随机测度来描述真实状态的后验概率分布,并通过预测与更新来递推得到最新时刻的状态估计。由于大部分实际情况中的目标跟踪问题是非线性问题,因此粒子滤波成为解决目标跟踪这一复杂状态估计问题的基本工具之一。箱粒子滤波器(Box particle filter,BPF)是一种将区间分析(Interval analysis)与粒子滤波结合的可扩展粒子属性并降低粒子滤波计算复杂度的改进粒子滤波算法。与传统粒子滤波相比,箱粒子滤波算法可在减少粒子数的前提下实现高精度的状态估计。基于粒子滤波与箱粒子滤波的目标跟踪算法是本文的研究重点。本文的研究内容包括:1)不同的重采样算法对多目标粒子滤波器跟踪性能的影响。本文首先对三种常用的为解决粒子滤波存在的粒子退化问题而提出的重采样算法(多项式重采样、分层重采样、系统重采样)进行了理论分析,并结合免聚类粒子概率假设密度(Free Clustering Particle Probability Hypothesis Density,FCP-PHD)滤波器在设定的多目标跟踪场景下进行比较,重点对比了三种重采样算法的滤波精度和计算时间。仿真结果表明,在不同的采样粒子规模下,多项式重采样的计算量最大,而分层重采样与系统重采样的滤波精度均好于多项式重采样,多项式重采样的计算效率也相对最低。另外分层重采样与系统重采样的计算量相近,随着粒子数的增大系统重采样的优势也逐渐明显,当粒子数较多时其计算效率也相对最高。2)针对序贯蒙特卡罗概率假设密度(Sequential Monte Carlo Probability Hypothesis Density,SMC-PHD)滤波器所需的样本数存在潜在的维数灾难问题,本文在已有的免聚类粒子PHD(FCP-PHD)滤波器的基础上,提出一种对状态空间进行边缘化的免聚类粒子PHD滤波器,称为边缘化免聚类粒子PHD(Marginalized free clustering particle probability hypothesis density,MFCP-PHD)滤波器。该算法利用边缘化粒子滤波思想,对于状态可分解(线性/非线性)的状态空间模型,采用序贯蒙特卡罗(SMC)方法和线性滤波器分别对PHD递推公式中状态的非线性与线性部分进行预测与更新,同时在更新步中直接根据粒子更新后的权重计算多目标状态,从而避免了传统SMC-PHD算法中需要通过聚类运算来提取目标状态而产生的问题。仿真结果表明,相对于SMC-PHD滤波器及现有的FCP-PHD滤波器,MFCP-PHD滤波器在降低系统维数的同时,提高了算法整体的跟踪性能。3)本文最后研究了箱粒子伯努利(Box-Bernoulli)滤波器在两种典型的非线性情况下的目标跟踪问题。首先根据伯努利随机有限集构造目标的运动模型与量测模型,结合Box-Bernoulli滤波器重点研究如何运用约束传播(Constraints propagation,CP)算法解决两种典型的非线性跟踪(Range-Bearing跟踪、带多普勒量测的Range-Bearing跟踪)的约束满足问题(Constraint satisfaction problems,CSP)。最后通过实验对比了序贯蒙特卡罗伯努利(Sequential Monte Carlo Bernoulli,SMC-Bernoulli)滤波器与Box-Bernoulli滤波器在这两种非线性情况下的目标跟踪性能。仿真实验验证了Box-Bernoulli算法在不同非线性情况下的有效性。

关键词：随机有限集目标跟踪概率假设密度重采样箱粒子滤波伯努利

基于箱粒子滤波的标签随机集多目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于箱粒子滤波的标签随机集多目标跟踪算法研究

作者：苗雨西安电子科技大学

学位级别：硕士

多目标跟踪作为信息融合领域的关键技术,在军事国防与民用工程领域具有广阔的应用前景,受到了国内外相关学者的广泛关注。随着随机集滤波理论与标签随机集滤波理论的深入研究,多目标跟踪技术得到了快速发展。箱粒子滤波算法是一种非线... 详细信息

多目标跟踪作为信息融合领域的关键技术,在军事国防与民用工程领域具有广阔的应用前景,受到了国内外相关学者的广泛关注。随着随机集滤波理论与标签随机集滤波理论的深入研究,多目标跟踪技术得到了快速发展。箱粒子滤波算法是一种非线性滤波算法,结合了区间分析理论与序贯蒙特卡罗方法,具有所需粒子数目少,运算效率高,便于处理非传统量测等优点。本文在箱粒子滤波与标签随机集滤波的基础上,对多目标跟踪方法进行了深入研究,主要工作如下:在箱粒子和标签随机集滤波基础上,提出一种新的多目标跟踪算法,即箱粒子Delta广义标签多伯努利(BP-δ-GLMB)滤波算法。该算法不仅能够跟踪多目标状态和数目,还能够有效跟踪多目标航迹,并且算法的计算复杂度低,运算效率高。仿真实验表明,BP-δ-GLMB的跟踪精度与SMC-δ-GLMB滤波相似,但所需粒子数目少,运算时间大大缩短,提升了多目标跟踪效率。与BP-CBMeMBer滤波相比,BP-δ-GLMB滤波算法能够实现多目标航迹跟踪,在杂波率较高的场景下,其跟踪精度更高,对目标数目估计更准确。针对δ-GLMB滤波算法计算复杂度高的问题,结合箱粒子滤波与LMB滤波算法,提出箱粒子标签多伯努利(BP-LMB)滤波算法。BP-LMB滤波作为BP-δ-GLMB滤波算法的高效近似,提升了多目标跟踪的计算效率。仿真实验表明,在线性与非线性系统下,所提算法均能够高效跟踪多目标状态与航迹,与BP-δ-GLMB和SMC-LMB滤波相比,尽管BP-LMB滤波精度略有损失,但运行时间短,运算效率高。结合箱粒子滤波在扩展目标跟踪中的应用,本文还提出了多扩展目标δ-GLMB滤波与多扩展目标LMB滤波的箱粒子实现形式,即ET-BP-δ-GLMB滤波与ET-BP-LMB滤波。这两种算法继承了箱粒子滤波算法与标签随机集滤波算法的优势,在保证了良好滤波性能与航迹跟踪性能的同时,降低了扩展目标跟踪算法的计算复杂度。仿真实验表明,所提算法能够有效实现多扩展目标状态与航迹跟踪。

关键词：多目标跟踪多扩展目标跟踪标签随机有限集箱粒子滤波

基于箱粒子滤波的MeMBer扩展目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于箱粒子滤波的MeMBer扩展目标跟踪算法研究

作者：李鹏涛西安电子科技大学

学位级别：硕士

目标跟踪技术具有非常广泛的应用,尤其是在军事领域的巡航导弹、洲际导弹精确打击,各种战机、战舰的火力控制等方面,具有极其重要的地位。在科技和工艺水平不断进步的基础上,现代雷达和传感器分辨率有了极大的提高,大型或近距目标会同... 详细信息

目标跟踪技术具有非常广泛的应用,尤其是在军事领域的巡航导弹、洲际导弹精确打击,各种战机、战舰的火力控制等方面,具有极其重要的地位。在科技和工艺水平不断进步的基础上,现代雷达和传感器分辨率有了极大的提高,大型或近距目标会同时产生多个量测数据,这就产生了扩展目标跟踪的问题。扩展目标跟踪需要对目标量测进行划分,然后采用合适的滤波算法进行处理。本文主要在区间分析理论的基础上,运用箱粒子滤波算法研究了多扩展目标的跟踪问题,重点是基于箱粒子的势均衡多目标多伯努利(CBMeMBer)滤波的扩展目标跟踪问题。1、研究了扩展目标的特点和跟踪方法。具体介绍了扩展目标的特点,扩展目标的量测划分和常用的量测划分方法。2、研究了箱粒子滤波算法。箱粒子滤波是区间分析和蒙特卡洛方法结合的一种算法,是用箱粒子代替最大误差已知的点粒子。它能够有效处理具有一定误差范围的非精确量测。箱粒子滤波的一大优势是它能够用几十个箱粒子达到粒子滤波中几千个粒子的滤波精度,能极大减少运算量提高运算效率。3、针对粒子滤波实现的CBMeMBer算法为了获得准确的跟踪效果,需要对大量粒子进行计算,降低了算法运算效率的问题,本文提出了基于箱粒子的扩展目标CBMeMBer算法。仿真实验表明该算法相对传统算法能够更加准确估计目标数目,比基于粒子滤波实现的CBMeMBer减少了运算量,更加适合工程应用。4、针对CBMeMBer算法在漏检目标存在概率较大时量测弱化的问题,提出基于箱粒子滤波的IMeMBer扩展目标跟踪算法。通过在MeMBer更新步前增加一个判定步骤,很好地解决了这一问题。仿真结果表明,提出的算法具有运算时间短,跟踪结果可靠的优点。

关键词：区间分析扩展目标箱粒子滤波 CBMeMBer