扩展目标的高斯混合概率假设密度滤波算法研究.pdf

《扩展目标的高斯混合概率假设密度滤波算法研究.pdf》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、~II~l!5&:lf511~1f~--------------------~~(~}(~f6)TheGaussianMixtureProbabilityI-IypothesisDensityFilteringAlgorithmResearchforExtended-target~4~~:i±Jltll.@:Jtltt#~1_V_~~:~*~ilL学校代码10709中图分类号TP391UDC密级：□公开□保密硕士学位论文（学术学位）论文题名:扩展目标的高斯混合概率假设密度滤波算法研究研究生：王妮学号：2012077导师：陈金广（副教授）学院：计算机科学学院学科专业：计算机应

2、用技术申请学位：工学答辩委员会主任委员：邓成（教授博导）答辩日期：2015年05月24日*A~~~~:m~~~~~~~£*A~~~~m~~.~~*~M~I~.PJT~f~l¥11£*o~x4'B~_2:i'ia}j111m~r*J?£¥1~,*:-~Bx::f-§.-a-1ffDJ:ltf~-t-A~•f*B~~~~-~M~~~~*·~*X~~~-lli-~~~~~A~-~.~B~Jt~~~-~~~~·*A~±•m~*~~~~-~*~*A~m.¥{V.i~)Cft=~~~:1a.~BM:)-{II~iF5Jj.l.~B*~~~x~~~~TM~~~~~m,~m~~~x~~~~

3、~~~~~oo:H~J00~Cff~if!H1~fJL~~~i~Jti¥Jx~llftJ=frl~-r~.ftilfiBXtit~f#:PfiJ{iH#J.*A~a~~I~*~ft~~~~m*~&~x.~~$~$*~~-A~~~~wiliff~~.ey~*m~~,~~~~m~•~¥~~#~~-*~tt~x.Dfi{!;,tE_$M@J§~ffl:4s:~tt~o~fftif;Jtff~~~:~1i{?!D}tJI:2-0'.!~sJj)-J"B扩展目标的高斯混合概率假设密度滤波算法研究摘要：扩展目标突破了传统的点目标在每一时刻最多只有一个观测值的假设，与许多实际应用密切相关

4、。传统的数据关联算法会随着目标数或量测值的增多产生组合爆炸、NP-Hard等问题。而基于随机有限集（RandomFiniteSet,RFS）理论的概率假设密度（ProbabilityHypothesisDensity,PHD）滤波算法则是一种非数据关联算法，它有效地避免了数据关联这个难题，能够直接通过递推后验概率密度的一阶统计矩来联合估计目标的状态和个数，所以该算法尤其适合用于跟踪扩展目标。目前，已有的扩展目标高斯混合PHD（GaussianMixturePHD,GM-PHD）滤波算法只适用于线性高斯系统，而在此算法基础上进行扩展的扩展卡尔曼实现也只在系统为弱非线性时才能取

5、得较好的滤波效果，对于强非线性系统，该算法则不能处理。此外，由于每个扩展目标在每一时刻都会有多个观测值，所以在扩展目标的量测更新过程中存在高维矩阵运算。针对以上问题，本课题依托于国家自然科学基金项目“基于随机有限集理论的多目标跟踪方法若干问题研究”（NO.61201118），在GM-PHD滤波算法研究的基础上，结合已有的非线性滤波算法和集中式融合算法的优势，对扩展目标的滤波方法展开研究。本文完成的具体内容包括：（1）基于高斯厄米特数值积分的GM-PHD滤波算法。已有的GM-PHD滤波算法只适用于线性高斯条件下的多目标跟踪，针对此，本文将能够作用于非线性系统下的高斯厄米特数值

6、积分方法与GM-PHD滤波相结合，提出了一种新的滤波算法：高斯厄米特PHD。该算法采用高斯厄米特数值积分方法进行近似计算GM-PHD滤波过程中的积分。在滤波的预测阶段和更新阶段，分别计算相应的高斯厄米特积分点及其权值，采用数值累加和的方法对GM-PHD滤波过程中的积分进行近似，并计算相应的高斯项，从而实现了高斯混合项的递推。新算法不仅能够有效地估计非线性多目标跟踪系统中的状态向量，而且能够得到各时刻精确的目标数目，同时时间复杂度增加不大。这部分内容为下一章的开展提供了铺垫。（2）基于容积卡尔曼（CubatureKalman,CK）滤波的扩展目标GM-PHD滤波算法。受到上一

7、章节解决非线性问题思路的启发，本节为解决非线性系统中的扩展目标跟踪问题，提出了一种新的滤波算法：基于CK滤波的扩展目标PHD滤波算法。在一步预测和量测更新中，该算法分别采用一系列的容积点和相应的权值来近似PHD过程中存在的积分，并在估计出目标状态的基础上通过对目标状态的个数进行统计得到目标数。新算法在保证与已有的扩展卡尔曼高斯混合扩展目标PHDI滤波算法具有相同的滤波精度下，其误差能略小。此外，新算法还能解决非线性函数中的雅克比矩阵不存在或难以求解的跟踪问题，为非线性高斯条件下的扩展目标跟踪提供了一种新的解决方法。