| 【中文题名】 | 支持向量机在多目标跟踪中的研究应用 |
| 【英文题名】 | Multi-target Tracking Research Based on Support Vector Machines |
| 【学科专业】 | 电气工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-3-5 |
| 【中关键词】 | 信息融合,目标跟踪,卡尔曼滤波,数据关联,支持向量机, |
| 【英关键词】 | information fusion,target tracking,Kalman filtering,data association,support vector machines, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>一般性问题>设计、性能分析与综合>随机过程、随机信号 |
| 【论文摘要】 | 多传感器信息融合多目标跟踪是当前目标跟踪领域的研究前沿，它将多个传感器信息进行有机的合成，用以提高目标运动状态估计的精度，其性能比单一传感器优越很多。
由于在军事和民用领域具有广阔的应用前景，多传感器融合多目标跟踪问题的研究已经受到人们的广泛关注。杂波强干扰和目标高度机动情况下的数据关联是多目标跟踪领域的一个难点问题，也是多目标跟踪的关键问题。本文针对多传感器信息融合多目标跟踪中存在的问题，主要做了以下几个方面的工作：
1、提出了一种基于目标多特征信息的支持向量机数据关联算法，即把量测新息作为支持向量机的输入，通过支持向量机对各个传感器的测量数据进行关联处理，实现对多目标的精确跟踪。
2、针对多传感器信息融合多目标跟踪，提出了基于支持向量机的航迹关联算法。把各个传感器目标航迹状态估计偏差作为支持向量机输入，对各个传感器的目标的状态估计信息进行分类识别，从而实现多传感器信息融合多目标跟踪中的航迹关联。
3、将支持向量机与扩展Kalman滤波算法结合起来。先从传感器的量测输出和跟踪滤波器的状态输出中提取和目标机动有关的特征，而后送入支持向量机，估计目... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-12 |
|
第一章 绪论 |
12-18 |
|
1.1 引言 |
12 |
|
1.2 多目标跟踪与支持向量机的研究与发展现状 |
12-16 |
|
1.2.1 多目标跟踪的研究与发展现状 |
12-14 |
|
1.2.2 支持向量机的研究与发展现状 |
14-16 |
|
1.3 研究问题的提出 |
16-17 |
|
1.4 论文结构及所做工作 |
17-18 |
|
第二章 基于目标多特征信息的支持向量机数据关联算法 |
18-29 |
|
2.1 引言 |
18-19 |
|
2.2 支持向量机 |
19-23 |
|
2.2.1 最优分类面 |
19 |
|
2.2.2 支持向量机基本原理 |
19-21 |
|
2.2.3 特征空间和核方法 |
21-23 |
|
2.3 目标特征信息分析 |
23-25 |
|
2.3.1 雷达测量值与目标预测值之间的偏差 |
23-24 |
|
2.3.2 多普勒频移偏差 |
24 |
|
2.3.3 雷达目标散射截面积(RCS)偏差 |
24-25 |
|
2.4 支持向量机在数据关联中的应用 |
25-26 |
|
2.6 仿真及分析 |
26-27 |
|
2.7 结论 |
27-29 |
|
第三章 多传感器航迹融合与关联 |
29-39 |
|
3.1 引言 |
29 |
|
3.2 目标跟踪模型和测量模型 |
29-32 |
|
3.3 基于支持向量机的航迹关联算法 |
32-33 |
|
3.4 雷达和红外信息融合算法 |
33-36 |
|
3.4.1 顺序式结构的多传感器融合算法 |
33-34 |
|
3.4.2 卡尔曼加权融合算法 |
34-36 |
|
3.5 仿真与分析 |
36-38 |
|
3.5.1 支持向量机航迹关联算法仿真 |
36-37 |
|
3.5.2 雷达和红外传感器航迹融合仿真 |
37-38 |
|
3.6 结论 |
38-39 |
|
第四章 基于支持向量机的多传感器信息融合机动目标跟踪方法研究 |
39-52 |
|
4.1 引言 |
39 |
|
4.2 基于最优数据压缩的雷达和红外融合 |
39-43 |
|
4.3 跟踪滤波器设计 |
43-45 |
|
4.4 特征向量的提取 |
45-46 |
|
4.5 最小二乘支持向量机的在线训练算法 |
46-48 |
|
4.6 仿真与分析 |
48-51 |
|
4.6.1 基于SVM的自适应卡尔曼滤波算法仿真 |
48-51 |
|
4.7 结论 |
51-52 |
|
第五章 总结及展望 |
52-54 |
|
参考文献 |
54-58 |
|
| 【DOI】 | LunWen.ID:2.2008.388343 |
