多传感器机动目标跟踪的自适应网格交互多模算法研究

多传感器机动目标跟踪的自适应网格交互多模算法研究

论文摘要

多传感器数据融合的应用范围十分广泛,包括军用和民用的众多领域如:目标跟踪与识别、医疗诊断、交通管制、工业机器人等等。多传感器数据融合的目的是,利用多个或多种传感器提供的冗余信息和互补信息,减少观测信息的不确定性和模糊性,提高对目标的检测、跟踪定位和识别能力,增强系统的可靠性和生存能力。在多传感数据融合中,实时、精确地跟踪机动目标在军事上和许多民用领域有着重要的意义。本文较为系统地研究了多传感器数据融合目标跟踪中的数据获取、处理及跟踪算法。机动目标跟踪是为了维持对目标当前状态的估计,同时也是对传感器接收到的数据进行处理的过程。所以在跟踪之前,应该保证接收到的数据准确、可靠。本文对多传感器在机动目标跟踪中数据的来源、获取及处理进行了归纳和整理,其中包括多传感器的组成、分类、工作原理,对机动目标跟踪中数据的分步获取,相关处理,雷达之间的相互通信,多雷达数据预处理,最后提供给指挥中心。为得到较好的多传感器数据融合关联算法,首先应理解数据融合的基本原理、关键问题、融合步骤及性能评价等。其次对多传感器单机动目标跟踪的几个典型算法进行归纳总结,仿真对比。通过对国内外多传感器机动目标跟踪数据融合算法的研究,结合飞机的实际飞行轨迹和相关军工科研单位的实际考察,发现基于模型的算法是较为理想并可行的算法。分析了机动目标跟踪交互多模型(Interacting Multiple Model-IMM)算法和自适应网格交互式多模型(Adaptive Grid Interacting Multiple Model-AGIMM)算法的核心思想、实用范围及缺陷。对多模型算法中设计模式集的数量、匹配度与跟踪精度、计算复杂度及实时性等进行了对比研究,从AGIMM算法入手,针对AGIMM存在的不足,本文提出了两方面的改进:(1)在网格中心和网格距离的计算中用当前时刻的预测概率代替前一时刻的后验概率,以减小误差;(2)模式集的选择,通过实时扩增的期望模式集E优化当前模式集M,使其更接近于目标真实运动模型。设定了多种飞行轨迹,飞行速度、加速度、及转弯率等来模拟真实的机动目标飞行情况,用IMM、AGIMM和改进的AGIMM算法分别进行了跟踪,并得出了跟踪误差,Monte Carlo仿真结果表明,改进的AGIMM在跟踪精度和实时性方面都有了进一步的提高。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 引言
  • 1.2 国内外研究动态
  • 1.3 论文主要工作
  • 第二章 多传感器概述及雷达通信
  • 2.1 传感器组成概述
  • 2.1.1 传感器的组成
  • 2.1.2 传感器的分类
  • 2.1.3 常用传感器
  • 2.2 多传感器的特点
  • 2.2.1 多传感器的特征
  • 2.2.2 多传感器的管理
  • 2.2.3 多传感器跟踪优势
  • 2.3 雷达通信系统
  • 2.3.1 雷达数据预处理
  • 2.3.2 雷达网络结构
  • 2.3.3 宽带雷达通信网
  • 2.4 小结
  • 第三章 多传感器数据融合及关联
  • 3.1 数据融合相关概述
  • 3.1.1 数据融合定义
  • 3.1.2 数据融合原理
  • 3.1.3 数据融合分类
  • 3.1.4 数据融合关键问题
  • 3.1.5 数据融合的优点
  • 3.1.6 数据融合的性能评价
  • 3.2 数据融合的主要内容
  • 3.2.1 数据融合处理的问题
  • 3.2.2 数据融合的步骤
  • 3.2.3 数据融合常用方法
  • 3.3 数据关联算法
  • 3.3.1 算法回顾
  • 3.3.2 “最近邻”法
  • 3.3.3 概率数据关联滤波器
  • 3.3.4 联合概率数据关联滤波器
  • 3.4 数据融合滤波算法
  • 3.4.1 卡尔曼滤波
  • 3.4.2 扩展卡尔曼滤波
  • 3.5 小结
  • 第四章 多传感器机动目标跟踪原理
  • 4.1 机动目标跟踪基本原理
  • 4.1.1 目标跟踪概述
  • 4.1.2 目标跟踪原理
  • 4.1.3 跟踪基本要素
  • 4.2 几种常用的模型
  • 4.2.1 匀速模型
  • 4.2.2 匀加速模型
  • 4.2.3 匀速率转弯模型
  • 4.2.4 当前统计模型
  • 4.3 小结
  • 第五章 多传感器机动目标跟踪算法
  • 5.1 基于模型的跟踪算法概述
  • 5.2 多模型算法
  • 5.2.1 多模型算法原理
  • 5.2.2 静态多模型算法
  • 5.2.3 交互多模算法
  • 5.2.4 变结构交互多模算法
  • 5.3 自适应网格交互多模算法
  • 5.3.1 AGIMM算法概述
  • 5.3.2 AGIMM算法
  • 5.3.3 AGIMM优点
  • 5.4 自适应网格交互多模算法改进
  • 5.4.1 模式转移概率计算的改进
  • 5.4.2 模式集M的实时扩增
  • 5.5 三种模式仿真比较
  • 5.5.1 模拟轨迹
  • 5.5.2 仿真结论
  • 5.6 小结
  • 第六章 总结与展望
  • 参考文献
  • 附录
  • 致谢
  • 攻读学位期间发表的学术论文目录
  • 相关论文文献

    • [1].一种自适应网格方法及其在流场中存在任意静止移动物体问题的应用[J]. 吉林水利 2013(07)
    • [2].科学与工程应用中自适应网格方法进展[J]. 科技导报 2012(05)
    • [3].自适应网格计算模型与分析[J]. 计算机工程 2008(08)
    • [4].基于第二代小波自适应网格的二维声波方程波传模拟[J]. 地球物理学报 2009(11)
    • [5].基于四叉树自适应网格二维晃荡的数值模拟[J]. 哈尔滨工程大学学报 2019(02)
    • [6].自适应网格编码量化在图像压缩中的应用[J]. 信息技术 2010(04)
    • [7].一种改进的自适应网格交互多模型跟踪算法[J]. 信号处理 2009(05)
    • [8].用自适应网格法计算管道的水力瞬变[J]. 油气储运 2008(05)
    • [9].自适应网格改进粒子群算法在多目标重构中的应用[J]. 信息记录材料 2019(08)
    • [10].非均匀裂缝性油藏蒸汽驱的自适应网格计算[J]. 辽宁工程技术大学学报(自然科学版) 2009(S1)
    • [11].基于自适应网格的多目标粒子群优化算法[J]. 系统仿真学报 2008(21)
    • [12].复杂边界稠油油藏蒸汽注采过程自适应网格法的研究[J]. 力学季刊 2012(04)
    • [13].三维蒸汽辅助重力驱油过程的自适应网格法[J]. 辽宁工程技术大学学报(自然科学版) 2009(S1)
    • [14].地下水源热泵地下水渗流场自适应网格法[J]. 排灌机械工程学报 2012(06)
    • [15].裂缝-孔隙油藏蒸汽辅助重力泄油过程的自适应网格数值计算[J]. 中国石油大学学报(自然科学版) 2011(01)
    • [16].无线传感器网络中基于自适应网格的多目标定位算法[J]. 通信学报 2019(07)
    • [17].防发散自适应网格模糊神经交互多模型算法[J]. 计算机仿真 2018(01)
    • [18].一种自适应网格局部细分的软体任意切割与变形算法[J]. 小型微型计算机系统 2013(11)
    • [19].固定利率抵押贷款模型的基于自适应网格的有限差分法[J]. 系统科学与数学 2014(01)
    • [20].复杂断层油藏蒸汽注采过程的自适应网格法[J]. 华中科技大学学报(自然科学版) 2012(03)
    • [21].基于自适应网格的隐私空间分割方法[J]. 计算机研究与发展 2018(06)
    • [22].浅论下限法中自适应网格划分的工程应用[J]. 江西建材 2016(06)
    • [23].基于径向基函数的自适应网格方法[J]. 工程数学学报 2020(05)
    • [24].自适应网格跟踪微分器设计[J]. 系统工程与电子技术 2018(06)
    • [25].差分隐私密度自适应网格划分发布方法[J]. 山东大学学报(理学版) 2018(09)
    • [26].基于自适应网格方法的免疫多目标进化算法[J]. 软件工程 2018(06)
    • [27].移动终端高效自适应网格细化架构[J]. 四川大学学报(工程科学版) 2014(03)
    • [28].基于自适应网格粒子群算法的多目标配送优化模型[J]. 公路交通科技 2010(05)
    • [29].动态自适应网格调度算法[J]. 计算机工程与应用 2010(24)
    • [30].自适应网格方法在Stokes问题形状最优控制中的应用[J]. 工程数学学报 2016(02)

    标签:;  ;  ;  ;  ;  

    多传感器机动目标跟踪的自适应网格交互多模算法研究
    下载Doc文档

    猜你喜欢