基于雷达%2f红外数据融合多目标跟踪滤波算法的研究

《基于雷达%2f红外数据融合多目标跟踪滤波算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、论文题目基于雷达/红外数据融合多目标跟踪滤波算法的研究学科专业光学指导教师荣健教授博导作者姓名陈华志学号200820401030万方数据分类号密级注1UDC学位论文基于雷达/红外数据融合多目标跟踪滤波算法的研究（题名和副题名）陈华志（作者姓名）指导教师姓名荣健教授博导电子科技大学成都（职务、职称、学位、单位名称及地址）申请专业学位级别硕士专业名称光学论文提交日期2011.5.1论文答辩日期2011.5.19学位授予单位和日期电子科技大学答辩委员会主席评阅人2011年月日注1：注明《国际十进分类法UDC》的类号。万方数据独创性声

2、明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签名：日期：年月日关于论文使用授权的说明本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全

3、部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）签名：导师签名：日期：年月日万方数据摘要摘要近年来，随着数据融合技术的发展，为了弥补主、被动传感器在目标跟踪问题中的一些先天性缺陷，雷达和红外传感器被同时使用，构成雷达/红外多目标融合跟踪系统。本文围绕着雷达/红外数据融合多目标跟踪滤波算法实现这一问题进行研究。论文第一章对雷达/红外数据融合跟踪系统算法体系的发展方向和现状进行了总结。第二章首先从贝叶斯滤波原理出发，分析了多目标贝叶斯滤波难以通过算法实

4、现的原因，然后建立了RFS多目标状态模型和RFS多目标观测模型。为解决多目标贝叶斯在算法实现上的困难，引入了贝叶斯框架下的PHD近似滤波方法，通过在时间域上传递后验强度而非整个后验概率的密度的方式对多目标贝叶斯运算进行简化。由于目前PHD滤波递推方程在普适条件下的解析解还没有得到，第三章首先讨论了PHD滤波递推方程在线性高斯条件下的解析表达形式，接着引入了GMPHD滤波算法，实现了线性高斯条件下多目标PHD滤波递推运算。本章最后将GMPHD应用到了三维空间中的多目标跟踪滤波实际问题中，通过仿真得到了理想的结果。为将GMPHD滤

5、波算法应用到非线性滤波问题中，第四章分别用EKF和UKF两种非线性滤波算法对其进行了扩展，通过仿真验证了两种扩展GMPHD滤波算法的有效性，并从目标数估计精度和目标位置估计精度两方面比较了两种扩展算法的性能。第五章将UKF扩展后的GMPHD算法与雷达/红外序贯滤波策略相结合，提出了一种基于雷达/红外传感器序贯融合多目标跟踪PHD滤波算法，通过仿真验证了该算法的有效性，并且与单雷达跟踪系统相比，融合系统在目标数估计和目标位置估计两方面的精度都得到明显提高。关键词：雷达/红外传感器；多目标跟踪；数据融合；随机有限集；概率假设密度;

6、I万方数据ABSTRACTABSTRACTAsthedatafusiontechnologydeveloping,toimprovetheperformanceofpositivesensorandpassivesensorintargettracking,radarandinfraredsensorareusedtogether.Thisresearchfocusedontherealizationofthemulti-targettrackingfilteringalgorithmbasedonradar/infrared

7、datafusion.Asummaryofthedevelopmentandstatusofthealgorithmsystemintargettrackingbasedonradar/infraredsensorcanbefoundinchapter1.Inchapter2,theoptimalBayesianfilterisanalyzedandthecomputationaldifficultiesofmulti-targetBayesianfilterarediscussed.Thentherespectivecoll

8、ectionoftargetsandmeasurementsaremodeledasrandomfinitesets.Tosolvethecomputationtroubles,aprobabilityhypothesisdensity(PHD)filter,whichpro