检索结果-南通市图书馆

基于glmb滤波和Gibbs采样的多扩展目标有限混合建模与跟踪算法

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 2020年第7期46卷 1445-1456页

作者：陈一梅刘伟峰孔明鑫张桂林杭州电子科技大学自动化学院系统科学与控制工程研究所杭州310018 中国电子科技集团公司第二十八研究所信息系统工程重点实验室南京210007

本文针对杂波条件下多扩展目标的状态估计,目标个数估计,扩展目标形状估计问题,提出了一种基于标签随机有限集(Labelled random finite sets,L-RFS)框架下多扩展目标跟踪学习算法,该学习算法主要包括两方面:多扩展目标动态建模和多扩展... 详细信息

本文针对杂波条件下多扩展目标的状态估计,目标个数估计,扩展目标形状估计问题,提出了一种基于标签随机有限集(Labelled random finite sets,L-RFS)框架下多扩展目标跟踪学习算法,该学习算法主要包括两方面:多扩展目标动态建模和多扩展目标的跟踪估计.首先,结合广义标签多伯努利滤波器(Generalized labelled multi-Bernoulli,glmb)建立了扩展目标的量测有限混合模型(Finite mixture models,FMM),利用Gibbs采样和贝叶斯信息准则(Bayesian information criterion,BIC)准则推导出有限混合模型的参数来对多扩展目标形状进行学习,然后采用等效量测方法来替代扩展目标产生的量测,对扩展目标形状采用椭圆逼近建模,实现扩展目标形状与状态的估计.仿真实验表明本文所给的方法能够有效跟踪多扩展目标,并且在目标个数估计方面优于CBMeMBer算法.此外,与标签多伯努利滤波(LMB)计算比较表明:glmb和LMB算法滤波估计精度接近,二者精度高于CBMeMBer算法.

关键词：多扩展目标有限混合模型标签随机有限集 glmb滤波器 Gibbs采样 BIC准则

基于广义标签多伯努利滤波器的雷达多目标跟踪算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于广义标签多伯努利滤波器的雷达多目标跟踪算法研究

作者：胡晶晶合肥工业大学

学位级别：硕士

多目标跟踪的目的是从一组受杂波干扰、漏检、虚警等影响的不完全量测集中估计目标状态及其轨迹数。传统多目标跟踪算法以复杂的数据关联为基础,而基于随机有限集(RFS)的跟踪算法将数据关联集成到滤波阶段,以处理时变目标数、有效避免... 详细信息

多目标跟踪的目的是从一组受杂波干扰、漏检、虚警等影响的不完全量测集中估计目标状态及其轨迹数。传统多目标跟踪算法以复杂的数据关联为基础,而基于随机有限集(RFS)的跟踪算法将数据关联集成到滤波阶段,以处理时变目标数、有效避免数据关联引起的组合爆炸等诸多优点成为多目标跟踪领域的研究热点。多目标跟踪领域中通常将目标假设为点目标,一个目标仅产生一个量测,而群目标包含多个运动状态相似的目标成员,会产生多个量测。尽管多目标跟踪技术已经取得了显著进展,但在复杂跟踪场景及高传感器精度下的多目标跟踪研究仍面临诸多难题。为此,本文聚焦基于标签RFS实现的广义标签多伯努利(glmb)滤波器,针对点目标和群目标两种目标类型,着重研究点目标跟踪中非线性扩展问题以及可分辨群目标跟踪中隐式数据关联问题。本文的主要贡献如下:1、研究基于δ-glmb滤波器的多目标跟踪非线性扩展。针对高斯混合实现的VB-δ-glmb滤波器在非线性系统下跟踪性能差的缺陷,本文引入临近点算法(PPA)和变分贝叶斯(VB)优化,结合容积卡尔曼滤波(CKF)提出一种非线性滤波算法PCKF-VB-δ-glmb。该算法通过δ-glmb滤波估计目标状态及数目,并采用非线性滤波方法PCKF-VB更新高斯分量参数,使其适应非线性场景。此外,本文将RTS平滑与PCKF-VB方法结合,进一步提升算法在非线性场景下的跟踪精度。仿真实验结果证明了本文所提算法的有效性和鲁棒性。2、研究基于J-glmb滤波器的可分辨群目标跟踪。针对联合glmb(J-glmb)滤波过程中群目标之间距离较近容易关联错误的问题,本文结合超图匹配(HGM)提出一种基于HGM-J-glmb滤波器的可分辨群目标跟踪算法。该算法采用Jglmb滤波器估计群内各目标状态、数目及轨迹信息,并将量测和预测状态建模为超图,利用超图匹配生成的顶点匹配矩阵修正关联概率,进而提升量测与预测状态之间的关联性能。此外,本文通过平滑算法改善滤波效果,并设置轨迹长度阈值,使其在平滑状态的同时达到消除短轨迹的目的。仿真实验证明,所提算法在线性系统和非线性系统下均能有效提升群目标跟踪性能。

关键词：多目标跟踪 glmb滤波器非线性扩展可分辨群目标超图匹配

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于标签随机有限集的多目标跟踪方法研究

基于标签随机有限集的多目标跟踪方法研究

作者：魏子博哈尔滨工程大学

学位级别：硕士

多目标跟踪技术在空中交通管制、精准制导、自动驾驶等军事、民用领域有着广泛的应用,尤其是在军事领域中,直接影响了国家信息战、智能战的主动权。21世纪初期,基于随机有限集(Random Finite Set,RFS)的多目标跟踪算法凭借独特的理论优... 详细信息

多目标跟踪技术在空中交通管制、精准制导、自动驾驶等军事、民用领域有着广泛的应用,尤其是在军事领域中,直接影响了国家信息战、智能战的主动权。21世纪初期,基于随机有限集(Random Finite Set,RFS)的多目标跟踪算法凭借独特的理论优势和工程适用性应运而生。为突破目标状态、传感器获取的量测及其二者关联关系的不确定性,本文以联合预测与更新广义标签多伯努利(Joint Prediction and Update Generalized Label Multi-Bernoulli,Jglmb)滤波器为基础,对多目标跟踪方法进行了深入研究:首先,基于RFS的多目标跟踪算法需要借助高斯混合或粒子滤波的实现方式,粒子滤波主要解决非线性系统的跟踪问题。传统粒子滤波未考虑当前量测信息,导致大量粒子贫化和退化,引入平方根容积卡尔曼滤波近似计算重要性密度函数,提升数值计算精度。基于结构更加紧凑的Jglmb滤波器,采用Gibbs采样算法进行传递分量的高效剪枝,结合平方根容积粒子滤波(Square-root Cubature Particle Filter,SCPF)算法,提出普遍适用的SCPF-Jglmb鲁棒性算法,仿真实验结果验证了所提算法的有效性。其次,针对类似于多“低慢小”目标的跟踪场景中包含噪声野值干扰、强杂波干扰、目标运动状态突变的问题,提出一种适用于但不限于多“低慢小”目标的跟踪方法。引入具有厚尾特征的学生t分布为状态和量测噪声建模,降低噪声野值对多目标跟踪精度的影响。利用多模型方法对目标状态转变的高包容度优势,提升与实际目标运动状态的匹配度,避免因状态突变引起的漏跟问题。面向目标回波量测易受高密度杂波的干扰,提出一种基于距离加权的自适应量测合并方法,提升有效量测的关联价值。经仿真结果证实,所提方法计算效率有所提升,并可以适用于复杂背景下的多机动目标跟踪问题。最后,面向多扩展目标的跟踪问题,将伽马高斯逆威沙特(Gamma Gaussian Inverse-Wishart)分布引入Jglmb滤波器中,实现对目标质心运动状态、形态的综合估计和轨迹跟踪;针对距离、K-means++、Mean Shift主流量测划分法的量测划分数较多、杂波剔除效果不稳定等问题,提出一种基于时空联合的量测双重划分方法,通过高斯核函数进行杂波剔除预处理,自适应判断是否需要二次划分提升划分准确度。通过仿真证实,在目标轨迹发生平行紧邻、交叉,且环境杂波密度较高时,所提方法均可以实现对多扩展目标的准确估计和有效跟踪。

关键词：多目标跟踪随机有限集 glmb滤波器量测划分扩展目标

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于标签随机集的扩展目标跟踪算法研究

基于标签随机集的扩展目标跟踪算法研究

作者：石仁政西安电子科技大学

学位级别：硕士

随机集为目标跟踪提供了简单明了的贝叶斯递推形式,避免了传统方法因数据关联而复杂度高的缺点。其中以标签随机集为基础的广义标签多伯努利(glmb)滤波器真正实现了对目标航迹的区分。由于传感器精度的提升,目标形状不可忽略,传统的点... 详细信息

随机集为目标跟踪提供了简单明了的贝叶斯递推形式,避免了传统方法因数据关联而复杂度高的缺点。其中以标签随机集为基础的广义标签多伯努利(glmb)滤波器真正实现了对目标航迹的区分。由于传感器精度的提升,目标形状不可忽略,传统的点目标理论无法满足实际中的各种需求,因此扩展目标跟踪受到国内外研究学者的关注,并大量应用于军事和民用系统中。本文主要研究了glmb滤波器在扩展目标跟踪中的应用,具体的研究内容如下:针对glmb滤波器需要已知运动场景中背景环境参数而实际中这些参数无法提前获得的问题,提出了未知杂波率和检测概率的glmb扩展目标滤波器。该算法通过将杂波当作没有动态特性的一类目标,建立联合目标-杂波混合空间模型,对混合多目标后验密度进行迭代。同时对混合空间模型中的扩展目标部分增广,引入检测概率空间并采用Beta分布直接对未知检测概率建模。另外,针对观测区域内目标新生和消失时Beta分布估计浮动较大的问题,给出了采用inverse gamma分布表征目标未知幅度特征进而估计检测概率的方法。仿真实验表明,所提两种方法均可以在高杂波率或低检测概率场景中实现对多个目标的跟踪以及未知参数的估计,并且可以达到参数先验已知的标准滤波器的跟踪精度。在目标出现新生和消失的场景中,与Beta分布相比,inverse gamma分布对检测概率的估计结果更加稳定。针对近邻场景中因量测划分不准确导致滤波器对目标数目、质心以及形状的估计出现较大偏差的问题,提出了基于似然函数的一步数据关联glmb扩展目标滤波器。该算法跳过将量测划分后再匹配的过程,通过计算量测与目标关联后的似然函数直接寻找全局最优关联假设,进而对目标后验概率密度进行更新。并采用乘性噪声模型描述目标形状,给出滤波器的实现方法。实验结果表明,所提的一步数据关联方法在目标交叉、近邻场景中能够实现对目标数目的准确估计,与基于量测划分的滤波器相比,该方法对目标质心和形状参数的估计精度得到提高。针对现有的标签随机集理论下目标形状估计问题,提出了基于控制点的glmb扩展目标滤波器。该算法采用伸展-变形模型对目标扩展形状建模,通过移动参考形状表面控制点来拟合目标真实形状,并采用参考形状参数自适应的计算方法来提高变形后形状的相似度。最后给出标签随机集下多目标后验概率密度函数的迭代过程。仿真实验表明,与基于随机矩阵和乘性噪声模型的方法相比,所提方法可以实现对椭圆形状参数的准确估计。

关键词：扩展目标跟踪 glmb滤波器参数估计数据关联伸展变形

基于随机有限集的高超声速目标检测跟踪问题的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于随机有限集的高超声速目标检测跟踪问题的研究

作者：崔海龙杭州电子科技大学

学位级别：硕士

高超飞行器的飞行轨线属于典型的非线性运动系统,并且其速度一般超过5马赫,是一种大范围机动的具有一定的隐身性的高超声速目标,在飞行过程中目标的个数可能会随着时间不断变化;因此,对于高超飞行器的跟踪也会变得相对复杂。针对这种情... 详细信息

高超飞行器的飞行轨线属于典型的非线性运动系统,并且其速度一般超过5马赫,是一种大范围机动的具有一定的隐身性的高超声速目标,在飞行过程中目标的个数可能会随着时间不断变化;因此,对于高超飞行器的跟踪也会变得相对复杂。针对这种情况,本文提出了一类可以对高超飞行器进行较好跟踪的算法,主要的工作包括:(1)高超飞行器的模型与参数分析。针对高超飞行器这种非线性的运动系统,通过对引入的六自由度运动方程进行简化得到适用于高超飞行器的二维运动方程,分析方程中的参数对其飞行轨线的影响,并确定最终的参数值。(2)高超飞行器跟踪算法。提出了多伯努利滤波器(CBMemBer)与无迹卡尔曼(UKF)相结合的算法、广义标签多伯努利滤波器(glmb)与UKF相结合的算法。两种算法分别对高超飞行器进行跟踪,通过对比实验,分析两种算法对于高超飞行器的飞行高度和飞行速度的跟踪性能,得出广义标签多伯努利滤波器的跟踪性能优于多伯努利滤波器。(3)多传感器协同跟踪算法。单个传感器由于其有限的观测范围,很有可能会出现漏检的情况,因此有必要考虑多个传感器的情况,本文提出了基于多传感器的检测概率模型并引入了扩展关联图概念,把多传感器融合算法和广义标签多伯努利滤波器相结合,得到多传感器的glmb估计算法。

关键词：高超声速飞行器的跟踪随机有限集 glmb滤波器非线性系统 UKF