| 【中文题名】 | 基于粒子滤波的多目标跟踪算法研究 |
| 【英文题名】 | Application of Particle Filtering to Multiple Target Tracking |
| 【学科专业】 | 软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-3-23 |
| 【中关键词】 | 信息融合,目标跟踪,贝叶斯方法,非线性非高斯,粒子滤波,联合融合 |
| 【英关键词】 | information fusion,target tracking,Bayesian,nonlienear/non-Gaussian,particle filter,joint fusion, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>雷达>雷达跟踪系统>> |
| 【论文摘要】 | 目标跟踪技术被广泛的应用在监控、导航、障碍规避等需要确定目标的数目、位置、运动和身份的系统中,是这些系统的重要组成部分。而能够递推估计目标状态的滤波算法是整个跟踪系统的重要基石。著名的卡尔曼滤波算法从四十多年前被提出以来一直是用来解决线性高斯环境的最佳递推贝叶斯估计器,它简单而优雅。近些年出现了一个研究非线性非高斯滤波算法的高潮。本文首先回顾了近年来出现的非线性滤波算法特别是UKF算法,但是更多的注意力集中在了以序贯蒙特卡罗估计为基础的粒子滤波算法。
第一章概括了信息融合、目标跟踪、滤波算法的历史、发展现状和应用领域。
在第二章中,首先介绍了贝叶斯递推估计框架,然后列举一些了常见的线性高斯和非线性高斯的滤波算法。
第三中首先介绍了粒子滤波的基石一蒙特卡罗积分方法,同时特别讨论重要采样和重采样方法。在这些方法基础上,给出了SIS这个一般粒子滤波算法的框架。本章的最后一节给出了一些常见的SIS框架内的粒子滤波的变形。
在第四章,用EKF、UKF和SIR算法跟踪同一个进行非线性运动的物体并做了相关的比较。结果表明SIR方法能够得到比其他两种方法更好的跟踪结果。... |
| 【论文题纲】 |
|
第一章 简介 |
10-20 |
|
1.1 信息融合 |
10-14 |
|
1.1.1 信息融合起源 |
10-11 |
|
1.1.2 信息融合技术 |
11-14 |
|
1.1.3 信息融合应用及发展现状 |
14 |
|
1.2 目标跟踪 |
14-20 |
|
1.2.1 目标跟踪简介 |
14-16 |
|
1.2.2 估值理论 |
16-17 |
|
1.2.3 滤波算法 |
17-19 |
|
1.2.4 贝叶斯公式 |
19-20 |
|
第二章 滤波算法 |
20-38 |
|
2.1 状态空间模型 |
20-21 |
|
2.2 贝叶斯递推滤波算法 |
21-23 |
|
2.3 线性滤波算法 |
23-29 |
|
2.3.1 Grid-Based方法 |
23-24 |
|
2.3.2 卡尔曼滤波 |
24-28 |
|
2.3.3 α-β系列滤波 |
28-29 |
|
2.4 非线性滤波算法 |
29-38 |
|
2.4.1 非线性系统描述 |
29 |
|
2.4.2 EKF滤波 |
29-32 |
|
2.4.3 Unscented卡尔曼滤波 |
32-38 |
|
第三章 基于序贯蒙特卡罗的贝叶斯滤波算法-粒子滤波 |
38-61 |
|
3.1 蒙特卡罗方法 |
39-44 |
|
3.1.1 简单采样 |
41-42 |
|
3.1.2 Metroplolis算法 |
42-43 |
|
3.1.3 重要采样 |
43-44 |
|
3.2 序贯粒子滤波算法 |
44-50 |
|
3.2.1 SIS-序贯重要采样 |
44-48 |
|
3.2.2 重采样 |
48-49 |
|
3.2.3 Generic Particle Filter |
49-50 |
|
3.3 常见粒子滤波器 |
50-56 |
|
3.3.1 SIR Particle Filter |
51-52 |
|
3.3.2 Auxiliary Particle Filter |
52-54 |
|
3.3.3 Regularized Particle Filter |
54-56 |
|
3.4 CLRB |
56-58 |
|
3.5 粒子滤波的应用 |
58-59 |
|
3.5.1 机动目标跟踪 |
58 |
|
3.5.2 金融领域数据分析 |
58 |
|
3.5.3 密集目标的线路交叉跟踪问题 |
58 |
|
3.5.4 状态监视与故障诊断 |
58-59 |
|
3.6 小节 |
59-61 |
|
3.6.1 EKF、UKF、PF三种算法的比较 |
59 |
|
3.6.2 粒子滤波使用注意事项 |
59-61 |
|
第四章 基于粒子滤波的目标跟踪系统及其实现 |
61-74 |
|
4.1 实验及其分析 |
61-65 |
|
4.1.1 跟踪结果 |
61-65 |
|
4.1.2 方法有效性分析 |
65 |
|
4.2 基于粒子滤波的目标跟踪系统 |
65-74 |
|
4.2.1 传统目标跟踪系统 |
66-69 |
|
4.2.2 多目标的粒子滤波器 |
69-74 |
|
第五章 展望 |
74-82 |
|
5.1 粒子滤波的展望 |
74-75 |
|
5.2 粒子滤波在目标跟踪中应用的展望 |
75-82 |
|
附录A 在读期间发表的论文 |
82-83 |
|
附录B 致谢 |
83 |
|
| 【DOI】 | LunWen.ID:2.2008.345577 |
