导读:本文包含了航迹维持论文开题报告文献综述及选题提纲参考文献，主要关键词:扩展目标跟踪,随机有限集,PHD滤波,量测集划分
航迹维持论文文献综述
李鹏[1]（2018）在《基于随机有限集的多扩展目标跟踪和航迹维持算法研究》一文中研究指出随着现代传感器技术的发展,扩展目标跟踪研究已成为信息融合理论中最为活跃的研究领域之一,被广泛应用于航空航天、机器人导航、车辆跟踪等一系列军事、民用领域。传统的点目标跟踪模型仅利用目标的运动信息来跟踪目标,将单个目标视为一个点来进行跟踪。近年来,传感器探测精度不断提高,目标产生的回波可能占据传感器的多个分辨单元,因此同一目标可能在传感器上产生多个点,称之为扩展目标。传统针对单点目标的跟踪技术难以充分发挥高精度传感系统的优势,因此需要对扩展目标的跟踪进行深入研究,考虑如形状、尺寸等扩展状态,以发挥现代高精度传感系统的精度优势,提高总体跟踪性能。本文基于随机有限集理论,对扩展目标跟踪方法展开系统、深入地研究,重点解决复杂情况下多扩展目标的形状估计、量测集划分、航迹关联、不规则形状目标的跟踪等关键问题,具体取得的成果如下:1.针对不规则形状扩展目标的形状估计问题,提出一种基于B样条曲线的形状估计算法。在扩展目标高斯混合PHD(Extended target Gaussian mixture PHD,ET-GM-PHD)滤波算法中,目标扩展信息被假设为给定值,因此该算法不能对扩展目标进行形状估计。为解决该问题,提出算法基于ET-GM-PHD算法来估计目标运动状态,同时利用B样条拟合法,根据每个时刻的量测信息来估计目标形状,因此提出算法称之为Shape-ET-GM-PHD滤波算法。仿真结果表明,与ET-GM-PHD算法相比,提出算法在不改变ET-GM-PHD算法精度的基础上,可以实现对不规则扩展目标形状的精确估计,提供更丰富的目标信息,从而有利于后续航迹维持、态势评估等工作的展开。2.针对复杂情况下紧邻扩展目标的量测集划分问题,提出一种形状选择划分(Shape selection partitioning,SSP)算法。与ET-GM-PHD滤波算法相比,高斯逆威沙特PHD(Gaussian inverse Wishart PHD,GIW-PHD)滤波算法利用随机矩阵的方法来估计目标扩展状态。然而当目标紧邻时,应用于GIW-PHD滤波的量测集划分算法精度下降,导致GIW-PHD滤波算法的总体跟踪精度下降。为解决该问题,提出的SSP算法利用目标形状信息来分割量测集,并通过GIW-PHD滤波算法中的似然函数来选择最佳分割方案,提高了紧邻目标的量测集划分精度。仿真结果表明,在两个目标紧邻运动时,使用SSP算法后的GIW-PHD滤波算法的跟踪精度提高,但花费的时间代价也有所提高。3.针对复杂情况下的多扩展目标航迹维持问题,提出一种基于目标形状信息的航迹关联算法。现实中的跟踪系统大多需要向用户提供目标的航迹信息,而扩展目标PHD滤波框架并不能提供目标航迹信息,因此需要对扩展目标航迹维持问题展开研究。传统针对点目标PHD滤波的航迹维持算法仅能使用目标运动信息,因此在目标长时间做紧邻运动时会产生航迹关联错误。为解决该问题,提出算法通过建立目标的形状信息表(Shape table,ST)来保存目标形状,然后通过保存的形状信息来匹配目标航迹。仿真结果表明,与传统的航迹维持算法相比,在目标形状差异明显时,提出算法的航迹关联精度明显高于传统算法。4.为了实现对不规则形状多扩展目标的精确跟踪,提出一种非椭圆模型GIW-PHD(Non-ellipsoidal model GIW-PHD,NEM-GIW-PHD)滤波算法。标准的GIW-PHD算法基于目标形状为椭圆的假设,因此在目标形状非椭圆时,跟踪精度下降。为了解决该问题,提出的NEM-GIW-PHD滤波算法基于非椭圆形状目标的量测模型,改进了原GIW-PHD滤波算法中的似然函数计算公式,并使用B样条形状拟合的方法估计目标形状,然后改进了SSP算法,使其可以划分不规则形状目标的量测集。仿真结果表明,在跟踪非椭圆形状多扩展目标时,提出的NEM-GIW-PHD算法精度高于标准的GIW-PHD算法。(本文来源于《江南大学》期刊2018-06-01）
高乙月,蒋德富,刘铭,付伟[2]（2017）在《基于SMC-PHD滤波的显式航迹维持算法》一文中研究指出多目标跟踪的实时性、目标的状态提取与航迹连续的正确率受杂波、漏检、目标近距离这些因素的干扰。为了解决这些问题,提出一种改进的SMC-PHD滤波器。首先,基于2个"一对一"准则,提出粒子贴标签方法和粒子簇权值重置机制,可屏蔽高先验密度区域杂波以及检测的不确定性对多目标状态估计及其数目的干扰。其次,将多目标状态提取转换为多个可提供身份标识的单目标状态提取,得到显式的航迹维持。此外,提出一种新颖的粒子重采样方法,可减少近距离目标对彼此后验信息的干扰。仿真验证了提出的显式航迹维持算法的有效性。与基本的SMC-PHD滤波器相比,显着地提高了多目标跟踪的性能,包括实时性与精度。(本文来源于《计算机与现代化》期刊2017年12期）
张欢庆[3]（2017）在《基于随机有限集的多目标跟踪及航迹维持算法研究》一文中研究指出多目标跟踪技术作为信息融合理论与先进滤波方法中最活跃的研究领域之一,被广泛应用于以航空、航天为代表的军事与民用领域。由于无需传统跟踪方法中所需的复杂的数据关联技术,基于随机有限集理论的多目标跟踪方法备受国、内外相关研究领域学者及工程技术人员的广泛关注。本文以随机有限集理论为支撑,采用概率假设密度滤波器为主要工具,重点围绕复杂跟踪场景中多目标跟踪及航迹维持问题开展了较为深入、系统的研究工作,主要包括以下几个方面:1.针对紧邻目标跟踪场景中目标状态及数目估计问题,线性高斯假设下提出一种紧邻多目标GM-PHD跟踪算法。在标准GM-PHD滤波器各离散时刻目标预测强度量测更新结束后,采用目标权值再分配方法检测并重新分配目标后验强度中目标分量不合理的权值;在目标后验强度的分量删减阶段,提出一种融合了分量标记法和分量权值度量法的目标分量剪枝与融合方法,一定程度上能够避免重要目标分量的融合错误问题。与现有相关紧邻多目标PHD滤波器相比,提出算法具有较高的目标状态估计精度和准确的目标数目估计。2.针对多目标跟踪场景中新生目标先验强度未知时,标准PHD滤波器难以正确估计场景中目标状态及数目问题,提出一种基于新生目标强度自适应估计的多目标GM-PHD滤波算法。新生目标强度自适应估计方法分别利用PHD预滤波技术和目标速度特征方案,从各离散时刻量测集中获取最大可能的源于真实新生目标的量测集,然后利用这些量测建模未知的新生目标先验强度。此外,在标准GM-PHD滤波器的量测更新步引入量测驱动更新方案,将各离散时刻量测集划分存活目标量测集、新生目标量测集和杂波集。更新步中不同类型的目标预测强度采用其对应的量测集分别更新,且禁止杂波集更新目标预测强度。仿真实验结果表明,提出算法不仅具有较高的目标状态估计精度和较低的目标数目估计误差,而且具有稳定且较低的计算代价。3.为解决不精确检测概率环境下的多目标跟踪问题,提出一种融合指数衰减函数的目标权值更新策略和多帧目标状态抽取策略的多目标GM-PHD滤波算法。目标权值更新策略利用指数衰减函数及目标前一时刻权值,对由目标量测在状态空间中不合理分布导致的伪漏检目标的权值进行惯性衰减,以确保目标后验强度中各目标分量具有一个合理、有效的权值;多帧目标状态抽取策略利用各个目标若干个历史权值为参考,从各离散时刻目标后验强度中抽取由较低检测概率环境中因目标量测丢失导致的真漏检目标的状态估计。仿真实验表明,不精确检测概率环境下的多目标跟踪场景中提出算法具有较高的目标状态和数目估计精度,且滤波性能相对稳定。4.为了实现紧邻目标跟踪场景中多目标航迹维持,提出一种基于高斯混合概率假设密度滤波的多目标航迹维持算法。与经典GM-PHD跟踪器相比,所提多目标航迹维持算法滤波迭代中融合了目标状态关联与更新策略和不规则窗口多目标航迹管理方案。基于目标预测强度中目标分量的多个历史状态估计和当前量测集,目标状态关联与更新策略构建一个用于目标预测强度更新的关联更新因子矩阵。量测更新步中利用该关联更新因子矩阵实现了目标强度更新及目标与量测最优关联的同步。不规则窗口多目标航迹管理方法通过充分利用一段时刻内目标航迹的状态估计,不仅有效地维持了真实目标航迹的连续性,而且有效地解决了滤波过程中由虚警或杂波产生的虚假目标航迹。多目标交叉与平行跟踪场景仿真实验表明,提出的多目标GM-PHD航迹维持算法不仅能够改善紧邻目标状态及数目的估计精度,且其计算代价相对较小及具有优良的目标航迹维持性能。(本文来源于《江南大学》期刊2017-06-01）
韩玉兰,任重义[4]（2015）在《扩展目标GMPHD滤波器的航迹维持算法》一文中研究指出概率假设密度(PHD)滤波器提供了各目标在每个时刻的状态信息,但未形成航迹。该文提出了扩展目标高斯混合PHD(GMPHD)滤波器的航迹维持算法。首先对后验概率强度的每个高斯分量添加标签;其次在后验概率强度随着时间进行演化时,标签也随之演化;并通过航迹管理方案为扩展目标提供航迹。为提高GMPHD滤波器性能,提出了自适应的量测集划分法。最后通过仿真验证了提出算法的有效性。(本文来源于《压电与声光》期刊2015年05期）
欧阳成,姬红兵,田野[5]（2012）在《一种基于模糊聚类的PHD航迹维持算法》一文中研究指出针对杂波环境下数量变化的多目标航迹关联问题,提出一种基于模糊聚类的PHD航迹维持算法.该算法充分利用多帧信息,对当前时刻状态进行多步预测,并根据惯性进行加权,然后利用模糊聚类求得当前估计属于每条航迹的隶属度,从而得到最终的航迹.与传统的估计与航迹关联算法不同,该算法在更新每条航迹信息时,不仅仅是简单地对相邻帧之间的对数似然比进行求和,而是通过加权聚类等操作综合考虑了多帧信息.实验结果表明,所提算法能够更好地保持目标航迹,即使在目标出现交叉的地方也能达到很好的跟踪精度,具有较强的鲁棒性和优良的航迹维持性能.(本文来源于《电子学报》期刊2012年06期）
杨金龙[6]（2012）在《被动多传感器目标跟踪及航迹维持算法研究》一文中研究指出被动多传感器目标跟踪与航迹维持技术是多传感器数据融合系统的重要研究内容之一，备受国内外专家学者的广泛关注，在军事和民用领域具有重要的应用前景。本论文结合国家自然科学基金项目(No.60677040，No.60871074)，主要开展对单/多机动目标跟踪和基于随机集理论的多目标跟踪及航迹维持算法研究，取得的主要研究成果如下：1.针对修正的输入估计(MIE)技术不能跟踪强机动目标的问题，提出一种基于模糊推理的自适应滤波算法，通过引入的模糊退化因子，有效改善了对强机动目标跟踪的自适应能力。此外，针对模糊推理计算复杂的问题，提出了一种强跟踪MIE滤波算法，通过引入强跟踪多重退化因子，既能够自适应地调节滤波增益，提高对强机动目标的跟踪能力，又具有较好的实时性。针对交互多模型(IMM)算法模型数的选取和模型之间的干扰问题，提出了一种基于Viterbi的切换IMM算法，有效提高了模型的利用率，改善了对机动目标的跟踪性能。2.针对传统基于独立粒子滤波的联合数据关联(JPDA)算法计算代价较高的问题，提出了一种基于独立粒子滤波的模糊数据关联算法。该算法采用模糊聚类技术实现目标与量测之间的数据关联，有效降低了算法的计算代价。此外，针对粒子的退化和贫化问题，提出了一种基于蚁群优化的多目标跟踪算法，进一步改善了算法的跟踪性能。针对邻近空间多目标跟踪问题，提出了一种基于模糊数据关联的联合粒子滤波算法，实现了对复杂环境下并行飞行的多目标跟踪。3.针对传统粒子概率假设密度滤波(PF-PHD)算法没有考虑最新观测信息的不足，提出了一种改进的粒子PHD滤波算法。该算法将高斯厄米特滤波技术融入到高斯粒子PHD滤波框架中，采用最新观测数据拟合建议密度函数，有效提高了算法的跟踪精度。针对未知数目的多机动目标跟踪问题，借鉴强跟踪MIE滤波思想，提出一种强跟踪MIE概率假设密度滤波算法，与基于当前统计模型的PHD滤波算法相比，具有更高的滤波精度和较低的计算代价。4.针对杂波环境下多个交叉运动目标的航迹易产生错误关联的问题，提出一种基于交叉熵的粒子概率假设密度航迹维持新算法。该算法通过构建有向连接图，将目标的运动方向信息引入到算法中对目标的关联权值进行修正，并采用全局优化的交叉熵算法计算最优可行性事件，有效解决了目标靠近或交叉时的航迹关联问题。在此基础上，提出将该关联算法推广应用于CPHD滤波框架中，并引入Rao-Blackwellized粒子滤波(RBPF)技术，进一步提高了算法对多目标跟踪中的航迹关联性能，具有较强的鲁棒性和抗干扰能力。5.针对多模型粒子PHD/CPHD算法采用粒子聚类技术提取目标状态而导致性能下降的问题，提出一种新的多模型粒子多贝努利滤波算法。该算法不需要复杂的聚类运算，通过计算包含模型信息的漏检目标和量测更新的多贝努利随机有限集，直接近似整个多目标状态集的后验概率密度函数，具有较高的目标状态估计精度和较高的计算效率。在此基础上，提出将粒子标识技术应用到多模型粒子多贝努利滤波算法中，有效实现了多机动目标跟踪的航迹维持。(本文来源于《西安电子科技大学》期刊2012-05-01）
王丽珍,金术玲,梁彦,潘泉[7]（2007）在《As-IPDA算法在OTHR航迹维持中的应用》一文中研究指出天波超视距雷达(OTHR)具有的低数据率、低检测概率和低量测精度特征对目标跟踪提出挑战;由于对航迹、航迹存在概率的平滑作用,基于状态扩维IPDA(As-IPDA)算法在目标跟踪中得以很好应用,文章把As-IPDA算法引入到天波超视距雷达目标跟踪环境中;仿真结果表明,与传统的概率多假设跟踪(PMHT)算法相比,As-IPDA算法在目标跟踪精度、失跟率以及实时性方面都有满意的结果,从而验证了该算法在天波超视距雷达目标跟踪中的有效性、可行性。(本文来源于《计算机测量与控制》期刊2007年11期）
航迹维持论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
多目标跟踪的实时性、目标的状态提取与航迹连续的正确率受杂波、漏检、目标近距离这些因素的干扰。为了解决这些问题,提出一种改进的SMC-PHD滤波器。首先,基于2个"一对一"准则,提出粒子贴标签方法和粒子簇权值重置机制,可屏蔽高先验密度区域杂波以及检测的不确定性对多目标状态估计及其数目的干扰。其次,将多目标状态提取转换为多个可提供身份标识的单目标状态提取,得到显式的航迹维持。此外,提出一种新颖的粒子重采样方法,可减少近距离目标对彼此后验信息的干扰。仿真验证了提出的显式航迹维持算法的有效性。与基本的SMC-PHD滤波器相比,显着地提高了多目标跟踪的性能,包括实时性与精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
航迹维持论文参考文献
[1].李鹏.基于随机有限集的多扩展目标跟踪和航迹维持算法研究[D].江南大学.2018
[2].高乙月,蒋德富,刘铭,付伟.基于SMC-PHD滤波的显式航迹维持算法[J].计算机与现代化.2017
[3].张欢庆.基于随机有限集的多目标跟踪及航迹维持算法研究[D].江南大学.2017
[4].韩玉兰,任重义.扩展目标GMPHD滤波器的航迹维持算法[J].压电与声光.2015
[5].欧阳成,姬红兵,田野.一种基于模糊聚类的PHD航迹维持算法[J].电子学报.2012
[6].杨金龙.被动多传感器目标跟踪及航迹维持算法研究[D].西安电子科技大学.2012
[7].王丽珍,金术玲,梁彦,潘泉.As-IPDA算法在OTHR航迹维持中的应用[J].计算机测量与控制.2007