您好、欢迎来到现金彩票网!
当前位置:ds视讯 > 非线性导航 >

哈尔滨工程大学硕士学位论文摘要目标跟踪技术被广泛的应用在监控

发布时间:2019-07-07 23:26 来源:未知 编辑:admin

  哈尔滨工程大学硕士学位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。在目标跟踪领域 最常用的经典滤波算法是卡尔曼滤波 和扩展卡尔曼滤波 其中前者用于线性系统 后者

  哈尔滨工程大学硕士学位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。在目标跟踪领域 最常用的经典滤波算法是卡尔曼滤波 和扩展卡尔曼滤波 其中前者用于线性系统 后者用于非线性系统。 是最小均方意义下的最优滤波算法 则是利用一阶泰勒展开将非线性系统线性化而得到的一种次优滤波算法 在非线性不是特别严重的情况下 有着近似最优的滤波效果。上述两种方法在当系统噪声和观测噪声满足高斯分布特性的时候具有较好滤波性能 而对于非高斯分布噪声上述滤波方法的指标下降 甚至出现发散。因此 人们开始关注非线性、非高斯情况下的滤波方法。粒子滤波通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波 适用于任何能用状态空间模型表示的非线性系统 以及传统卡尔曼滤波无法表示的非线性系统 精度可以逼进最优估计。粒子滤波方法的使用非常灵活 容易实现 具有并行结构 实用性强。本论文以目标跟踪为主要背景 研究飞行目标的粒子滤波算法。通过对粒子滤波算法基本理论的分析和对该算法存在的问题的研究 详细阐述了粒子滤波算法的原理 分析了此滤波方法的优缺点 并于最后将粒子滤波算法应用在具有强非线性条件下并和以往的 算法性能进行比较 以及实际的飞行目标仿真实验中 仿真结果表明这种滤波算法能够很好地解决非高斯机动目标跟踪问题。关键词 非线性 目标跟踪 粒子滤波 扩展卡尔曼滤波哈尔滨工程大学硕士学位论文 哈尔滨工程大学学位论文原创性声明本人郑重声明本论文的所有工作 是在导师的指导下 由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出 并与参考文献相对应。除文中已注明引用的内容外 本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体 均己在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者 签字 丑翕日期 回哈尔滨工程大学硕士学位论文课题背景第 章绪论在跟踪中 飞机目标通常具有较高的机动性 而弹道导弹目标的非线性很强 因此在这类目标跟踪中主要是要研究一种非线性跟踪滤波算法。另外 雷达在对目标观测目标的时候 由于目标的散射特性 通常使目标状态 距离、角度、速度 的观测值具有非高斯特性。本论文以非线性的目标跟踪为主要背景 研究目标粒子滤波算法。本课题一方面促进粒子滤波方法的研究和应用另一方面对目标跟踪提出一种有效的粒子滤波算法。 粒子滤波的研究现状 粒子滤波理论的发展贝叶斯方法为动态系统的估计问题提供了一种严谨的解决框架 它利用已知的信息建立系统的概率密度函数 可以得到对系统状态估计的最优解。对于线性、高斯的估计问题 期望的概率密度函数依然是高斯分布 它的分布特性可以用均值和方差来描述 卡尔曼滤波很好的解决了这类估计问题。然而 在实际应用中条件往往是比较恶劣的 通常情况下为非线性的 扩展卡尔曼滤波可以解决这类问题。但是这种滤波方法也有其自身的局限 第一 需要对模型进行线性化 第二 要求期望的概率密度函数满足高斯分布。这就使得扩展卡尔曼滤波在更复杂的情况 即估计的模型是非线性非高斯的条件下 最优估计难于实现。本篇文章所运用的粒子滤波算法 是一种次优贝叶斯估计方法。其核心是使用一个具有权值的随机样本集合 粒子 来表示需要的后验密度 使其能适用于任何一个可用状态空间模型表示的非线性系统 精度可以逼近最优估计。哈尔滨工程大学硕士学位论文二十世纪 年代 基于序贯重要性采样 拘序贯蒙特卡罗方法就被应用于物理和统计学中。到了 年代后期 该方法被引入自动控制领域。 年代 已经有大量学者对此进行了研究 但这些方法均采用普通的 方法 其缺点是粒子随着递推的进行而迅速的恶化。直到 年代初 等将重采样 步骤引入到粒子滤波 在一定程度上解决了 的退化问题 并由此产生了 粒子滤波算法 之后各种不同的改进使得粒子滤波方法得以大大发展。为了获得更好的重要性密度函数 先后提出了辅助粒子滤波算法 扩展卡尔曼粒子滤波算法 方法 等一系列有效的方法。为了解决重采样步骤带来的粒子多样性匮乏问题 又进一步在粒子滤波中引入了马尔可夫链蒙特卡罗移动 步骤。同时 随着密度估计理论的发展 使用连续密度进行再采样的正则粒子滤波方法也相继被提出。 主要应用领域 计算机视觉近年来国外众多视觉跟踪研究团体把注意力投向在三维空间内对人体进行跟踪的领域。由于人体运动行为十分复杂 有多个自由度再加上光照的变化服装的变形等等因素很难对人体进行建模和跟踪。为了实现对人体的跟踪 传统的解法多数都需要一个或多个假设。例如已知静态的背景信息有多个摄像机同时对人物进行拍摄 或者可利用颜色信息得到皮肤的位置等等。由于粒子滤波器在处理强非线性问题时具有很大的优势 因此许多学者开始采用粒子滤波器对人体进行跟踪。它可以通过两维摄像机对人体进行三维跟踪 这种方法的基本思想是假设在恒定光照的情况下 采用运动的似然函数对人体进行跟踪。在这里粒子滤波器用于解决人体运动模型这个强非线性动态系统的估计问题。实验结果表明这种方法可以在哈尔滨工程大学硕士学位论文杂波环境中对单个目标进行跟踪。 故障诊断故障诊断是控制系统需要解决的基本问题之一。在故障诊断过程中处理器从分布在各处的各个不同传感器处连续的采集数据 通过对这些数据进行处理来判断系统的工作状态。在设计诊断系统时考虑到系统和环境都是时变的 量测受到噪声的干扰并且系统的某些状态不可观测等因素 必须用动态模型对系统建模 模型中包括描述系统状态的连续变量和离散变量以及它们的统计特性。通常假设连续变量和量测服从高斯分布 目标跟踪、导航与定位目标跟踪 问题是基于自身位置来衡量其它目标的方位和距离。在进行导航、定位和目标跟踪时 通过选择坐标系可以保证模型的状态方程是线性的 而观测方程在该坐标系下一般是非线性的。汽车和航空应用都表明粒子滤波相对卡尔曼滤波算法有更多优点 精度有很大提高 同时计算量也偏大。此外 还可实现以下应用 飞行器的完整导航及飞行器和汽车的目标跟踪 通过地图匹配进行汽车定位 通过无线电频率实现汽车定位 通过地图匹配或地形匹配来实现飞行器定位 实现导航并进行目标跟踪 预测自己车和其它车的相对位置 能够实现汽车防撞。 国内外文献综述国外对粒子滤波的研究起步较早。早在二十世纪五十年代 等人就提出一种被称为 的方法。到了六十年代后期 法应用于控制领域。七十年代各个领域的学者继续沿着的思路研究 在这以后一系列改进的 算法相继出现。但是 算法容易导致粒子退化现象 影响了它在实际中的推广应用。直到 等人提出了采样重要性重采样算法才基本解决了粒子退化问题。从此 粒子滤波又被广泛关注 并取得了重大进展 提出了一些重要的 算法。如 多哈尔滨工程大学硕士学位论文项式重采样算法 分层重采样算法 残差重采样算法 系统重采样算法 文献】对重采样模式进行了比较。由于 算法是对权值较大的粒子进行多重复制 造成粒子多样性损失 最终仍然可能出现粒子退化问题。文献 】对重采样算法进行了分析研究做了一些改进。近年来 在现代信号处理、图象处理、计算机视觉、生物信息学、故障诊断目标跟踪及统计学等领域的学者几乎同时关注粒子滤波器的发展 并提出许多改进算法。目前世界上的研究团体主要分布在英国、澳大利亚、瑞典和法国。国内对粒子滤波的研究开始较晚。但是许多大学和科研院所都对其十分关注 并进行了相关应用与理论研究。在粒子滤波理论方面 文献【 】介绍了粒子滤波基本理论和国内外最新进展在粒子滤波的改进方面 文献【 】提出了混合退火粒子滤波器的算法 文献 】提出高斯厄米特粒子滤波算法 文献 】提出了一种基于当前改进模型的双站无源被动跟踪的粒子滤波算法。在粒子滤波的应用方面 文献 】将粒子滤波应用于状态估计 文献【 】应用于行人跟踪 文献 】用粒子滤波在闪烁噪声环境下进行目标跟踪 文献【 】讨论粒子滤波用于人眼跟踪 文献【 将两种改进的粒子滤波算法用于被动目标定位跟踪。粒子滤波未来研究方向现阶段 粒子滤波主要面临着以下几个问题 怎样选择合适的提议分布一些研究者提出拒绝采样法和引入辅助变量的方法来逼近最优参考分布 但是计算量都非常大。用高斯分布作为次最优的参考分布可以解决这一问题。在条件概率密度传播算法的采样阶段 参考分布取为状态转移先验概率密度函数。由于没有利用新的观测 的粒子才能准确地表达状态后验分布。条件概率密度传播算法通常需要大量尤其是当新的观测出现在先验密度的尾部或似然函数呈尖峰形状时 需要更多的采样。许多研究者都试图解决这哈尔滨工程大学硕士学位论文一问题。例如 等提出分割采样方法 但是它需要系统的状态空间是可以分解的。 等利用多尺度图像处理技术提出 种分层采样技术 由此提出从次最优的高斯提议分布中采样得到新粒子的方法 而不是像条件概率密度传播算法那样从状态转移先验密度中采样。它的优点是能够将粒子引导到似然函数值比较大的区域 因此 可以大大减少算法需要的采样数。 粒子退化问题粒子滤波 算法存在的 个主要的问题是退化现象 即经过几步迭代后许多粒子点的权重变得很小。有效采样大小可以定义为粒子数目与权值方差的比值 越小表明退化现象越严重。如果方差接近零就可以达到最优的估计 在粒子数目相对固定的情况下 因此方差增加对精确度有很大的影响。因为权重的方差随时间增大 所以退化现象无法避免。这就意味着大量的计算浪费在那些权值极小的粒子上 而这些粒子对估计的贡献几乎为零。退化问题主要使用重采样算法来解决。目前减小粒子权重方差的方法大约有以下几类 对粒子点进行重采样马尔可夫 方法 方法 粒子多样性损失问题伴随着重采样 随之而来的是粒子多样性的匮乏。尽管重采样在一定程度上解决了退化问题 但是由于重采样是根据权值进行 这就导致采样后的粒子由大量重复的点组成 因而失去了多样性【 】。而且如果系统噪声较小 那么重采样后的的粒子会集中在少数几个点上。此外 重采样削减了样本轨道这会导致在用粒子滤波器作平滑时也产生退化问题 怎样选择合适的粒子数目理论上 只有当选择的粒子数目趋近于无穷时 用这些粒子描述状态分布得到的后验估计值才会等于真实值。从这个意义上说 似乎选择的粒子数哈尔滨 程大学硕士学位论文目越多越好 但是由于计算机的运算能力和存储能力的限制以及系统对算法实时性的要求 粒子数目的选择就成为一个比较困难的问题。粒子滤波算法的计算量非常繁重 如何在有限的时间内 使估计精度满足要求 是今后值得讨论的问题。在实际运用中 既要考虑到现实环境的限制 又要兼顾估计准确性。在实际中 一般取粒子数目 但是有时也要具体情况具体分析。 怎样满足实时性的要求经典的重采样算法虽然在克服粒子数匮乏方面有很好的效果 但计算量随着粒子数的增加而成级数增加 在有实时性要求的应用中 粒子滤波的可实现性成为主要问题。将成熟的多种不同寻优方法引入重采样过程 以便更快地提取到反映系统概率特征的典型“粒子 逐渐成为重采样方法研究的重 怎样解决收敛性的问题从粒子滤波的数学基础上看粒子滤波的收敛性尚未解决 若能有效解决收敛性问题 则对粒子匮乏现象的抑制将有很大帮助。同时作为滤波算法 如何评价粒子滤波的性能也是需要认真考虑的问题。 怎样结合多种非线性滤波方法虽然粒子滤波能有效解决非高斯、非线性系统的滤波问题 但由于其算法运算的实时性问题、状态初始概率选取问题 使粒子滤波距离工程应用尚有一定差距。相对于卡尔曼滤波 粒子滤波表现出了比较好的改进性能 这是因为它采用的非线性系统和非高斯噪声模型更接近实际情况。根据系统不同阶段体现的不同统计特性 将粒子滤波与其他非线性滤波方法相结合 避免非线性系统的近似线性化 减小非线性系统线性化后的高阶截断误差和非高斯噪声带来的影响 是实际问题中采用粒子滤波方法的又一研究方向。 怎样实现粒子滤波算法的并行处理为了提高粒子滤波算法的预算速度 研究粒子滤波的硬件实现方法尤为关键。粒子滤波硬件实现的基本思想是 将粒子滤波划分为初始采样、重采

  粒子滤波算法及其在目标跟踪中的应用,粒子滤波算法,粒子滤波跟踪,多目标粒子群算法,粒子滤波,卡尔曼滤波算法,滤波算法,中值滤波算法,卡尔曼滤波器算法,粒子滤波器

http://green-core.net/feixianxingdaohang/661.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有