2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩126頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著雷達(dá)、紅外等傳感器分辨率的不斷提高,擴(kuò)展目標(biāo)跟蹤(Extended target tracking, ETT)技術(shù)在反導(dǎo)、預(yù)警、制導(dǎo)以及戰(zhàn)場監(jiān)視等軍事應(yīng)用中的作用日益凸顯。對于復(fù)雜環(huán)境下的ETT問題,由于傳感器獲得信息量(包括目標(biāo)的觀測、大小、形狀和方向等)的增加,需要在估計(jì)目標(biāo)運(yùn)動(dòng)狀態(tài)的基礎(chǔ)上增加擴(kuò)展?fàn)顟B(tài)估計(jì),以完善傳統(tǒng)的點(diǎn)目標(biāo)濾波模型。然而,僅考慮目標(biāo)運(yùn)動(dòng)狀態(tài)和基于數(shù)據(jù)關(guān)聯(lián)的傳統(tǒng)點(diǎn)目標(biāo)跟蹤方法因模型不匹配和計(jì)算復(fù)雜度過高而不適用

2、,難以充分發(fā)揮高分辨率傳感器的優(yōu)勢。本論文以隨機(jī)有限集(Random finite set, RFS)和隨機(jī)矩陣為理論基礎(chǔ),開展ETT方法研究,重點(diǎn)解決量測集劃分、混合約簡、目標(biāo)形狀建模等關(guān)鍵問題,為滿足復(fù)雜環(huán)境下ETT應(yīng)用提供理論和方法支撐。取得的主要成果如下:
  1.擴(kuò)展目標(biāo)高斯混合 PHD( Extended target Gaussian mixture PHD, ET-GM-PHD)濾波中,精確的濾波更新需要當(dāng)前量測集

3、的所有可能劃分,顯然其計(jì)算不可行。為此,提出一種快速模糊ART(Adaptive Resonance Theory)劃分方法,該方法采用一個(gè)模糊ART模型代替現(xiàn)有的距離劃分。模糊ART劃分中,當(dāng)前量測集的劃分子集通過不同的警戒參數(shù)產(chǎn)生。然而,當(dāng)警戒參數(shù)取值較大時(shí),采用模糊ART劃分的ET-GM-PHD濾波會(huì)出現(xiàn)勢過高估計(jì)問題。此外,當(dāng)目標(biāo)空間鄰近時(shí),該濾波會(huì)出現(xiàn)勢過低估計(jì)問題。為了合理處理勢過高估計(jì)和勢過低估計(jì)問題,分別提出勢過高估計(jì)處

4、理機(jī)制和模糊ART次劃分方法。仿真結(jié)果表明,模糊ART劃分方法能很好地處理空間鄰近的擴(kuò)展目標(biāo),并在保證跟蹤性能的同時(shí)有效減少計(jì)算時(shí)間。
  2.相比于ET-GM-PHD濾波,擴(kuò)展目標(biāo)高斯逆威沙特PHD(Extended target Gaussian inverse Wishart PHD, ET-GIW-PHD)濾波同時(shí)考慮了目標(biāo)的運(yùn)動(dòng)狀態(tài)和擴(kuò)展?fàn)顟B(tài)。類似于ET-PHD濾波和ET-GM-PHD濾波,該濾波在實(shí)現(xiàn)時(shí)也存在量測集劃分

5、問題。然而,對于分裂跟蹤場景,當(dāng)兩個(gè)或多個(gè)大小不同的擴(kuò)展目標(biāo)空間鄰近時(shí),ET-GIW-PHD濾波會(huì)出現(xiàn)勢過低估計(jì)問題。為此,結(jié)合模糊ART和貝葉斯理論,提出一種新穎的魯棒貝葉斯劃分方法。該劃分方法中,類的分布形狀隨量測向量的輸入不斷更新,最后得到空間中量測的準(zhǔn)確分布形狀信息。由于貝葉斯劃分考慮了類的形狀信息,所以對大小不同且空間鄰近的擴(kuò)展目標(biāo)具有潛在的優(yōu)勢。仿真結(jié)果表明,該劃分方法的跟蹤性能優(yōu)于現(xiàn)有的劃分方法,具有良好的應(yīng)用前景。

6、>  3. ET-GM-PHD濾波中,高斯混合(Gaussian mixture, GM)分量數(shù)目N隨時(shí)間呈指數(shù)增長。為了使N保持在一個(gè)計(jì)算可行的范圍內(nèi),需要進(jìn)行高斯混合約簡。為此,提出一種基于模糊ART的高斯混合約簡(GM reduction based on the fuzzy ART, GMR-FART)算法。該算法與模糊ART的結(jié)構(gòu)類似,但是其選擇函數(shù)、匹配函數(shù)以及學(xué)習(xí)更新式是通過高斯混合特征定義的,其性能采用歸一化積分平方距離

7、(Normalized integrated squared distance, NISD)測度來評(píng)價(jià)。仿真結(jié)果表明,所提算法形成的約簡混合能很好地近似原始混合,且所需要計(jì)算時(shí)間少。
  4. ET-GIW-PHD濾波中,為了同時(shí)估計(jì)目標(biāo)的運(yùn)動(dòng)狀態(tài)和擴(kuò)展?fàn)顟B(tài), Granstr?m等人采用高斯逆威沙特(Gaussian inverse Wishart, GIW)混合近似目標(biāo)狀態(tài)的后驗(yàn)概率密度函數(shù)。類似于高斯混合,GIW混合也需要約簡

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論