多傳感器多目標(biāo)跟蹤算法研究.pdf

1、多傳感器多目標(biāo)跟蹤技術(shù)主要包含多傳感器數(shù)據(jù)融合和多目標(biāo)跟蹤兩方面。多傳感器目標(biāo)跟蹤是將多個(gè)傳感器的信息進(jìn)行融合,從而估計(jì)目標(biāo)的運(yùn)動(dòng)狀態(tài),相對(duì)于單一傳感器它的跟蹤性能更加優(yōu)越,它是信息融合技術(shù)在目標(biāo)跟蹤領(lǐng)域的應(yīng)用范例;多目標(biāo)跟蹤問題則是指在密集環(huán)境下,將傳感器接收到的眾多量測(cè)值按照它們的來源分類,使用自適應(yīng)濾波和數(shù)據(jù)關(guān)聯(lián)算法估計(jì)出各跟蹤目標(biāo)的運(yùn)動(dòng)軌跡,并分析運(yùn)動(dòng)軌跡的準(zhǔn)確性和可靠性。
　　論文首先闡述了研究信息融合這門新興學(xué)科的意義

2、、理論基礎(chǔ)和國(guó)內(nèi)外研究現(xiàn)狀、對(duì)多傳感器信息融合的模型與結(jié)構(gòu)、信息融合的主要技術(shù)和方法、理論體系、信息融合的優(yōu)點(diǎn)、信息融合的級(jí)別和層次、融合的跟蹤系統(tǒng)分類以及信息融合技術(shù)的應(yīng)用等內(nèi)容進(jìn)行綜述。
　　其次研究了多機(jī)動(dòng)目標(biāo)跟蹤基本原理、機(jī)動(dòng)目標(biāo)模型,包括CA模型、CV模型、Singer模型、Jerk模型、“當(dāng)前”統(tǒng)計(jì)模型和曲線模型,對(duì)比了各種模型的優(yōu)缺點(diǎn)和適用情形;論述了基本的跟蹤濾波與預(yù)測(cè)方法:標(biāo)準(zhǔn)線性Kalman濾波器(KF)、針對(duì)

3、非線性系統(tǒng)的擴(kuò)展Kalman濾波(EKF)和無跡Kalman濾波(UKF),并簡(jiǎn)單介紹了幾種目標(biāo)跟蹤新技術(shù)。
　　最后針對(duì)多傳感器多目標(biāo)跟蹤問題,提出了基于隨機(jī)有限集的多傳感器多目標(biāo)跟蹤算法。介紹了隨機(jī)集基本理論、隨機(jī)有限集統(tǒng)計(jì)(FISST)以及隨機(jī)集的概率假設(shè)密度(PHD),探討了隨機(jī)集分布函數(shù)以及集導(dǎo)數(shù)和集積分推導(dǎo)過程,給出了基于隨機(jī)集的信息融合理論框架,將單傳感器單目標(biāo)規(guī)范Bayes建模方法推廣到多傳感器多目標(biāo)情形;說明概率