检索结果-南通市图书馆

基于ET-PHD的自适应联合跟踪与分类算法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2019年第2期45卷 349-359页

作者：樊鹏飞李鸿艳空军工程大学信息与导航学院西安710077

针对新生目标强度先验未知的扩展目标(Extended target, ET)联合跟踪与分类(Joint tracking and classification,JTC)问题,提出一种基于扩展目标概率假设密度(Extended target-probability hypothesis density, ET-PHD)滤波器的自适应联合跟踪与分类算法,并给出其高斯混合实现方法.算法利用量测信息生成新生目标强度,在滤波预测阶段对存活目标和新生目标分别按照其类别进行传播,再引入属性量测信息,用位置和属性的联合量测似然函数代替单目标位置似然函数,对预测后所有目标强度进行联合更新,之后按照类别进行高斯项的删减与合并,提取相应类别目标的状态集.仿真结果表明,提出的自适应算法改进了概率假设密度滤波器在扩展目标跟踪中的性能.

关键词：扩展目标联合跟踪与分类新生目标强度概率假设密度

基于GIW-PHD的扩展目标联合跟踪与分类算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2018年第7期46卷 1562-1570页

作者：樊鹏飞李鸿艳空军工程大学信息与导航学院陕西西安710077

在使用估计器对扩展目标进行跟踪时,算法的精度会受到系统演化模型选择的影响.针对该问题,本文提出将扩展目标的形态信息直接作为目标的类别信息,每一类别确定了目标相关的运动模型,在多模型(Multiple Model,MM)高斯逆威沙特概率假设密... 详细信息

在使用估计器对扩展目标进行跟踪时,算法的精度会受到系统演化模型选择的影响.针对该问题,本文提出将扩展目标的形态信息直接作为目标的类别信息,每一类别确定了目标相关的运动模型,在多模型(Multiple Model,MM)高斯逆威沙特概率假设密度(Gaussian Inverse Wishart PHD,GIW-PHD)滤波器的基础上,实现对扩展目标的联合跟踪与分类.仿真实验通过比较所提算法与GIW-PHD、MM-GIW-PHD两种滤波方法的性能,验证了本文所提算法的有效性.

关键词：扩展目标形态信息类别信息高斯逆威沙特概率假设密度(GIW-PHD) 联合跟踪与分类

在线全文

学校读者我要写书评

暂无评论

机动扩展目标联合跟踪与分类算法研究

机动扩展目标联合跟踪与分类算法研究

作者：李维娟西安电子科技大学

学位级别：硕士

随着雷达、红外等传感器分辨率的不断提高,扩展目标跟踪受到了国内外学者的广泛关注。近年来,由于计算简单且能够跟踪扩展目标,基于随机矩阵的扩展目标联合跟踪与分类算法研究受到关注。本论文以贝叶斯滤波和随机矩阵为理论基础,针对椭... 详细信息

随着雷达、红外等传感器分辨率的不断提高,扩展目标跟踪受到了国内外学者的广泛关注。近年来,由于计算简单且能够跟踪扩展目标,基于随机矩阵的扩展目标联合跟踪与分类算法研究受到关注。本论文以贝叶斯滤波和随机矩阵为理论基础,针对椭圆和非椭圆两类扩展目标,研究机动扩展目标联合跟踪与分类方法,具有重要的理论意义和应用价值。论文主要研究内容如下:1.研究了机动扩展目标跟踪的基础理论,包括目标运动模型、贝叶斯滤波理论、随机矩阵算法和多模型算法等。以常规运动模型为基础,研究了机动扩展目标跟踪的多模型算法;以贝叶斯滤波为理论框架,研究了基于随机矩阵的目标扩展状态估计和目标跟踪算法;为了同时估计机动扩展目标的运动状态和扩展状态,研究了基于随机矩阵的机动椭圆扩展目标跟踪算法。2.针对机动椭圆扩展目标,结合交互多模型,提出一种基于随机矩阵的机动椭圆扩展目标联合跟踪与分类算法。该算法以贝叶斯滤波为理论框架,结合目标的大小、形状、方向等先验信息,利用随机矩阵实时估计目标的状态,同时采用多模型算法处理椭圆扩展目标的机动情况。仿真实验表明,所提算法可实时估计目标的运动状态、扩展状态和类状态等信息,实现机动椭圆扩展目标的联合跟踪与分类。3.针对机动非椭圆扩展目标,结合交互多模型,提出一种基于随机矩阵的机动非椭圆扩展目标联合跟踪与分类算法。该算法将非椭圆目标近似为多个相互独立的子椭圆,每个子椭圆由随机矩阵表示,其中与目标有相同方向的子椭圆作为主椭圆,并用结构信息表示子椭圆与主椭圆之间的关系;采用已提出的基于随机矩阵的机动椭圆扩展目标联合跟踪与分类算法估计主椭圆的状态;利用结构信息估计各子椭圆的状态,实现机动非椭圆扩展目标的联合跟踪与分类。仿真实验表明,所提算法可改善椭圆近似目标带来的信息丢失问题,在有效跟踪非椭圆扩展目标的同时,能实时估计目标的运动状态、扩展状态以及类状态等信息。

关键词：扩展目标随机矩阵联合跟踪与分类机动椭圆非椭圆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于粒子滤波的联合跟踪与分类算法

机电工程 2010年第3期27卷 41-44页

作者：申屠晗郭云飞薛安克杭州电子科技大学信息与控制研究所浙江杭州310018

针对纯运动学信息联合跟踪与分类问题,提出了一种基于混合无味粒子滤波的联合跟踪与分类算法。在传统粒子滤波联合跟踪与分类算法的基础上,通过采用无味变换,利用多个无味卡尔曼滤波器给出更高质量的粒子建议分布,提高整个算法的性能。... 详细信息

针对纯运动学信息联合跟踪与分类问题,提出了一种基于混合无味粒子滤波的联合跟踪与分类算法。在传统粒子滤波联合跟踪与分类算法的基础上,通过采用无味变换,利用多个无味卡尔曼滤波器给出更高质量的粒子建议分布,提高整个算法的性能。理论分析和仿真结果都表明,与传统粒子滤波联合跟踪与分类算法相比,该算法无论在跟踪精度还是在分类正确率上都有明显的提高。

关键词：联合跟踪与分类贝叶斯估计混合无味粒子滤波无味变换

基于模型类型匹配PHD滤波器和TBM的多目标联合跟踪分类

在线全文

学校读者我要写书评

暂无评论

系统工程与电子技术 2016年第10期38卷 2235-2243页

作者：詹锟蒋宏赵天衢于耀中北京航空航天大学自动化科学与电气工程学院北京100191

为了解决杂波和漏检下多目标的联合跟踪与分类问题,提出了模型类型匹配概率假设密度(probability hypothesis density,PHD)滤波器,同时将其与多传感器的可转移信度模型(transferable belief model,TBM)框架相结合,并用多个运动学雷达和... 详细信息

为了解决杂波和漏检下多目标的联合跟踪与分类问题,提出了模型类型匹配概率假设密度(probability hypothesis density,PHD)滤波器,同时将其与多传感器的可转移信度模型(transferable belief model,TBM)框架相结合,并用多个运动学雷达和粒子滤波递推实现。该算法对飞行器的先验信息进行估计,从而替代了属性传感器。在预测阶段,根据模型和类型对PHD滤波器进行粒子匹配;传感器得到观测结果后进行粒子权重的更新;再根据粒子对应的权重得到目标的后验状态-模型-类型分布;这些PHD滤波器可以同时得到目标的状态和类型;结合TBM和航迹粒子标签算法,得到多个传感器的融合结果。仿真表明,本文提出的模型类型匹配PHD滤波器的性能比传统多模型PHD滤波器更精确,同时多传感器的TBM框架也全面提升了算法的性能。

关键词：联合跟踪与分类概率假设密度可转移信度模型粒子滤波多传感器数据融合

基于运动信息和RCS信息融合的目标分类算法研究

在线全文

学校读者我要写书评

暂无评论

基于运动信息和RCS信息融合的目标分类算法研究

作者：杜磊杭州电子科技大学

学位级别：硕士

雷达目标分类识别在防空反导、海上防御等国防军事领域内有着重要应用。雷达作为现代战争获取战场信息的重要工具,可以实时监控整个战场环境,对战场上的目标进行分类识别。分类结果用于态势估计与决策分析,可以有效提高我方军事战斗力... 详细信息

雷达目标分类识别在防空反导、海上防御等国防军事领域内有着重要应用。雷达作为现代战争获取战场信息的重要工具,可以实时监控整个战场环境,对战场上的目标进行分类识别。分类结果用于态势估计与决策分析,可以有效提高我方军事战斗力和机动力。由于目前我国大部分现役雷达都是窄带低分辨雷达,提供的目标信息相对有限,通常将其运动信息(位置、速度、加速度等)、雷达散射截面积(Radar Cross Section, RCS)等目标特征用于目标分类。本文主要对基于运动信息和RCS特征的目标分类方法进行了研究,包括以下三部分：1.针对雷达目标跟踪分类过程中对于未知机动目标运动模型建模不准确的问题,本文提出了一种联合跟踪与分类算法,预先建立多个目标机动模型,通过在跟踪过程中根据新息反馈修正,对预先建立的多个模型进行概率分配,将目标根据其机动性进行分类,并且将分类结果辅助修正目标机动模型,在目标按照机动性进行分类的同时提升目标跟踪性能。2.针对部分目标在平稳飞行阶段没有表现出足够的机动特征致使上述分类算法分类识别困难的问题,本文提出了一种基于模糊逻辑推理的运动目标分类算法,利用Fuzzy数学知识,将目标的运动信息模糊化,通过专家经验生成模糊关系,将同一时刻的目标高度以及速度值归一化之后输入建立好的模糊逻辑推理系统,估计各类目标的分类概率。3.针对在目标分类过程中只依据运动信息的局限性,本文提出了一种基于运动信息与RCS信息分类融合的目标分类算法。算法首先基于目标的运动信息以及RCS信息分别进行分类,然后利用D-S证据理论在决策级进行融合分类,该分类算法充分利用了雷达回波信息,并且在融合的过程中对历史分类结果也进行融合,有效提高了算法收敛速度和鲁棒性。

关键词：雷达识别运动信息 RCS信息目标分类联合跟踪与分类融合分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无源声探测目标跟踪与分类递推方法研究

无源声探测目标跟踪与分类递推方法研究

作者：申屠晗杭州电子科技大学

学位级别：硕士

无源声探测网络跟踪系统利用声传感器接收目标纯方位角信息对其进行状态跟踪与类型识别,具备低空探测性好、不受电磁干扰、战场生存能力强、成本低、全天候等优点,是主动雷达探测系统的有益补充。然而,无源声探测网络存在系统非线性、... 详细信息

无源声探测网络跟踪系统利用声传感器接收目标纯方位角信息对其进行状态跟踪与类型识别,具备低空探测性好、不受电磁干扰、战场生存能力强、成本低、全天候等优点,是主动雷达探测系统的有益补充。然而,无源声探测网络存在系统非线性、量测不完全可观、信号延时等问题,给目标跟踪与分类工作带来技术挑战。针对上述问题,本文对无源声探测目标跟踪与分类方法进行研究,主要研究工作和成果如下: （1）分析无源声探测网络下的单目标和多目标跟踪与分类问题,针对目标状态、类别信息以及信号的延时特征建立统一的数学模型。（2）针对声探测信号延时导致的量测数据不可直接利用问题,基于期望最大化算法,对不同时刻两两传感器间的联合量测进行延时概率多假设建模,通过极大后验优化取得可直接利用的综合量测,进而结合贝叶斯平滑器得到适用于单目标延时跟踪的延时概率多假设跟踪算法。（3）分析并实现无源被动探测下基于粒子滤波的联合跟踪与分类技术。通过无味变换得到更高质量的粒子建议分布,提出改进的无味粒子滤波联合跟踪与分类算法,提高了目标跟踪精度与分类正确率。（4）多目标带来数据关联问题,进一步增加了无源声探测分类与跟踪问题的难度。为此,基于延时概率多假设算法、联合跟踪与分类技术以及概率多假设技术,提出多目标延时概率多假设跟踪算法和多目标延时概率多假设联合跟踪与分类算法;前者解决数据关联问题与跟踪问题,后者进一步解决多目标分类问题。仿真实验验证了两算法的有效性。

关键词：无源声探测网络延时跟踪概率多假设联合跟踪与分类

基于量测值动态划分的多扩展目标跟踪技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于量测值动态划分的多扩展目标跟踪技术研究

作者：林晨电子科技大学

学位级别：硕士

随着现代传感器分辨率的提高,目标往往占据多个传感器分辨率单元,传感器能够获取到关于目标的信息也变得更加丰富,但简单的点目标模型不足以处理这些目标信息从而面临巨大挑战,迫切需要更加复杂的扩展目标模型对目标状态进行准确估计。... 详细信息

随着现代传感器分辨率的提高,目标往往占据多个传感器分辨率单元,传感器能够获取到关于目标的信息也变得更加丰富,但简单的点目标模型不足以处理这些目标信息从而面临巨大挑战,迫切需要更加复杂的扩展目标模型对目标状态进行准确估计。扩展目标往往会产生多个量测值,传统基于数据关联的点目标滤波模型不足以应对扩展目标带来的计算复杂度问题。近年来,随着对随机有限集(Random Finite Set,RFS)理论的深入研究,为多扩展目标跟踪提供了新思路。本文以RFS理论为基础,针对扩展目标量测集划分和目标扩展状态估计问题,展开相关研究工作。具体的研究内容如下:1.研究了杂波环境下,目标数目未知且变化的多扩展目标量测集存在难以划分、计算代价高的问题。基于距离划分多扩展目标跟踪方法在扩展目标航迹交叉时,出现明显的是估计误差。为此,本文提出一种基于时空关联的划分算法,该算法考虑扩展目标相邻时刻的关联性,利用此先验信息对量测集合进行第一次划分,将量测集合分为存活目标量测集和新生目标量测集。存活目标量测集采用K-means++算法聚类后,扩展目标跟踪转化为点目标跟踪;新生目标量测集采用DBSCAN聚类算法对量测集合进行预处理,再利用有向图SNN(Shared Nearest Neighbors,SNN)划分算法对量测集合进行划分。本文给出的方法有效减少了划分数目,从而降低运算时间开销。实验结果证明该算法的有效性。2.研究了杂波环境下利用目标扩展状态对目标进行分类,即不规则多扩展目标联合跟踪与分类问题。以往的联合跟踪与分类算法都是将目标的扩展状态建模为椭圆,在目标大小相似时不能正确对目标进行分类。为此,结合RHM(Randmon Hypersurface Model,RHM),本文提出一种基于势均衡多目标多伯努利(Cardinalized Balanced Multi-Target Multi-Bernoulli,CBMe MBer)的非规则扩展目标联合跟踪与分类算法,即JTC-RHM-CBMeMBer滤波算法。该算法不仅能正确估计非规则扩展目标的运动状态、量测率、扩展状态等进行估计,还可以对目标进行分类,且在算法复杂度上与RHM-CBMeMBer滤波算法相当。仿真实验证明所提算法的跟踪性能优于RHM-CBMeMBer滤波算法。

关键词：随机有限集扩展目标量测集划分随机超曲面模型联合跟踪与分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于数据驱动的多源信息融合技术研究

基于数据驱动的多源信息融合技术研究

作者：陈琳杭州电子科技大学

学位级别：硕士

多源信息融合可以认为是一种研究多源不确定信息，并对其进行综合处理及利用的理论和方法。它在空中和地面交通管制、流程工业监督与控制等民用领域，以及军事指挥系统、战场监视等军事领域都具有广阔的应用前景。传统多源信息融合方法... 详细信息

多源信息融合可以认为是一种研究多源不确定信息，并对其进行综合处理及利用的理论和方法。它在空中和地面交通管制、流程工业监督与控制等民用领域，以及军事指挥系统、战场监视等军事领域都具有广阔的应用前景。传统多源信息融合方法大都依赖于事先建立的理论机理模型，一般会引入一定的简化操作。然而实际中的应用往往会较为复杂，建立的理论模型一般存在一定的偏差，甚至无法准确给出满足性能要求的理论模型。针对上述问题，本文利用数据驱动的思想，对多源信息融合问题进行了深入研究，主要的研究工作和取得的成果如下：首先，综述了多源信息融合方法的应用范围、研究现状及存在缺陷，概括总结了多源信息融合问题的理论基础，包括信息融合中各层次的融合方法和有关目标跟踪算法。其次，针对传统多源信息融合方法现存的难点与不足之处，利用数据驱动的思想，提出了基于数据驱动的多源信息融合方法，并给出了基于动态数据驱动的多源信息融合和数据驱动与模型驱动协同作用下的多源信息融合两种不同的实现框架，同时分析了它们的适用性和可操作性。再次，重点研究了数据驱动与模型驱动协同作用的多源信息融合方法，将数据驱动模块与传统的模型驱动有机结合。并结合基于声音信息融合的地面车辆声辨识实例，阐释了该法在实例中通过联合利用基于数据的特征集与基于模型的特征集，有效弥补了模型中缺失的信息，使车辆辨识精度得到提高。最后，研究了信息融合领域中的联合目标跟踪与分类技术，先给出了传统JTC框架下，利用多模粒子滤波算法完成对不同类目标的状态估计和类型识别。经仿真实验分析，指出其存在的缺陷与问题。为此，提出了一种基于数据驱动的PAS-JTC算法，通过获取更为可信的类型识别结果来反馈指导目标跟踪，促进了联合目标跟踪与分类技术的进一步发展。

关键词：多源信息融合数据驱动车辆声辨识联合跟踪与分类