基于高斯混合概率假设密度滤波器的多扩展目标跟踪

《基于高斯混合概率假设密度滤波器的多扩展目标跟踪》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、分类号:TP39110710-2013124015硕士学位论文基于高斯混合概率假设密度滤波器的多扩展目标跟踪王双英导师姓名职称杨小军教授申请学位级别工学硕士学科专业名称信息与通信工程论文提交日期2016年4月28日论文答辩日期2016年5月31日学位授予单位长安大学MultipleExtendedTargetTrackingBasedonGaussianMixtureProbabilityHypothesisDensityFilterAThesisSubmittedfortheDegreeofMasterCandidate：WangShuangy

2、ingSupervisor：Prof.YangXiaojunChang’anUniversity,Xi’an,China论文独创性声明，独立进行研究本人声明：本人所呈交的学位论文是在导师的指导下工作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出确方式标明。本论文中不包含任重要贡献的个人和集体，均已在文中明何未加明确注明的其他个人或集体己经公开发表的成果。本声明的法律责任由本人承担。论文作者签名：重又义＾处年《月之資日论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学校

3、、复制、公开阅览、借阅Ｗ及申请专利等权。学校享有Ｗ任何方式发表利。本人离校后发表或使用学位论文或与该论文直接相关的学术论文或成。果时，署名单位仍然为长安大学（保密的论文在解密后应遵守此规定）论文作者签名：王义义癸兴＾／＜＾年（＾月與日导师月日长安大学硕士学位论文摘要随着传感器技术的不断发展，扩展目标跟踪技术在导弹定位、战场监视、智能交通以及医疗诊断等军事和民用领域的应用日益凸显。对于杂波环境下的扩展目标跟踪问题，由于单个扩展目标在每一个采样时刻产生多个量测，需要解决的首要问题就是量测集划分。能否正确划分扩展目标量测集，直

4、接决定了后续的扩展目标状态估计性能。本文在扩展目标量测集划分的基础上，利用高斯混合概率假设密度滤波算法实现对多扩展目标的跟踪。针对扩展目标量测集划分问题，本文利用了两种扩展目标量测集的划分方法，即距离划分和K-means++划分，首先对扩展目标的观测集进行划分。其次在Matlab环境下，利用高斯混合概率假设密度滤波算法分别对两种划分方法实现的扩展目标跟踪进行仿真。仿真结果表明，与K-means++划分方法相比，距离划分的扩展目标跟踪性能较好。针对杂波环境下，由于多个扩展目标产生量测数巨大以及杂波的存在导致的量测不确定性，使得前述方法中的量测划分过

5、程不能得到理想结果的问题。为了提高利用量测集划分实现扩展目标跟踪的精度，本文利用了一种基于近邻传播聚类的扩展目标量测集划分方法。该量测划分方法首先采用密度分析技术对量测集进行预处理，将杂波量测和扩展目标量测分开，其次使用近邻传播聚类技术对扩展目标量测集进行划分，从而减少了划分数目。最后利用高斯混合概率假设密度滤波算法对该划分方法实现的多扩展目标跟踪进行仿真研究。仿真结果表明，与前两种划分方法相比，该算法使扩展目标的跟踪性能有很大提升。关键词：随机有限集，多扩展目标跟踪，量测集划分，概率假设密度滤波器，近邻传播聚类i长安大学硕士学位论文Abstra

6、ctWiththeincreasingdevelopmentofsensortechnology,thetechniqueofextendedtargettrackingplaysamoreandmoreimportantroleinthemilitaryandcivilianfieldslikethemissiletargeting,battlefieldsurveillance,intelligenttransportationandmedicaldiagnostics.Fortheextendedtargettrackingproblems

7、undercomplexenvironment,sinceasingleextendedtargetateachsamplingperiodpotentiallygivesrisetomorethanonemeasurement,measurementpartitionisamatterofprimeproblemtofirstlyresolve.Whethermeasurementpartitioniscorrectlydivideddirectlyaffectthesubsequenttargetsstateestimation.Theref

8、ore,thestudyofamorecorrectandefficientmeasurementpartitionmethodisof