多目标跟踪系统中数据关联与多维分配技术

《多目标跟踪系统中数据关联与多维分配技术》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、摘要随着科学技术，特别是传感器技术、计算机技术、信息技术等的飞速发展，现代跟踪环境变得越来越复杂，现代跟踪理论也在不断发展和完善。数据关联是目标跟踪尤其是多目标跟踪的关键技术，也一直是一个研究热点。同时，图象传感器的诸多优点使得图象跟踪技术迅速发展，是现代跟踪的新特点。本文在对现代跟踪技术进行全面分析的基础上，对其中的几个关键问题进行了深入的研究，主要工作如下：l长期以来，在联合概率数据关联(JPDA)算法中，一直遵循一条可行性规则：一个回波(量测)只能来源于一个目标，一个目标也只能有～个回波。然而，在密集多回波环境和图象跟踪系统中，一个回波可能来源于多个目标，一个目标也可能产生

2、多个回波。因此，上述假设与实际情况不完全符合。本文提出一种更符合实际情况的新可行性规则，认为量测与目标之间是多一多对应关系，并据此提出由两个广义事件构成广义联合事件的思想，利用贝叶斯公式给出了广义概率数据关联(GPDA)算法。理论分析表明，与JPDA算法相比，新算法不仅计算量大大减小，而且性能优于JPDA。2．结合多目标跟踪，利用MonteCarlo仿真，在多个设定场景下对GPDA算法的性能进行了全面的分析。对一个量测对应多个目标的情景．考虑了目标密集编队和交叉时，传感器由于分辨能力造成的不完全量测的情况。对一个目标对应多个量测的情景，考虑了利用成像传感器对小目标的跟踪情况。并对

3、该算法的计算量及所需计算内存进行了研究，仿真结果证实了理论分析的正确性。3．通过对运筹学中分配问题的标准模型及数据关联所形成的多维分配模型进行比较分析，总结出了多维分配问题数学模型的统一表达形式。在此基础上，利用代价矩阵对解矩阵进行变换，给出了三个“剪枝”定理，并对定理进行了详细的理论证明。4．在上述基础上，提出了多维分配问题的一种“剪枝”求解方法，并对该方法的“剪枝”机理及计算量进行了详细分析。分析表明，该算法不但计算量小，而且易于计算机实现。5．应用“剪枝”法对多站被动式多目标跟踪的多站回波与目标配对的分配过程，西北工业大学博：L学位论文以及两个关于成本资源分配算例进行了求解

4、，并对“剪枝”法的应用进行了对比研究，结果表明“剪枝”法对多维分配问题的求解具有良好的实时性。6．将交互式多模型(IMM)与模糊逻辑技术相结合，提出基于图象的模糊多模型跟踪算法(IBFIMM)，给出了该算法的总体框架。该方法将图象所提供的信息与传统量测相结合构成混合量测，将在IMM中所用的马尔可夫转移过程用模糊规则来代替，并用模糊方法来完成数据关联。关键词：多目标跟踪，数据关联，广义联合事件，GPDA，多维分配，“剪枝”法模糊多模型跟踪AbstractWiththedevelopmentofscienceandtechnology,especiallytherapiddevelo

5、pmentofsensortechnology,computertechnologyandinformationtechnology，modemtrackingenvironmentisbecomingmoreandmorecomplexandmodemtrackingtheoryisalsobeingdevelopedandimproved．Dataassociationisakeytechnologyoftargettracking，especiallyformultitargettracking，anditisalsoahotsubjectallalong．Atthesam

6、etime，theadvantagesofanimagingsensormakeimage—basedtrackingdeveloprapidlyAndimage—basedtrackingisanewsubjectofmoderntracking．Thisdissertationstudiessomekeyproblemsinmodemtrackingtechnology．Themaincontributionsareasfclllows：(1)Injointprobabilitydataassociation(JPDA)algorithm，eachretumcanbelong

7、toonlyonetarget，andeachtargetCanownonlyoneretum．However，indensemulti—retumenvironmentsandimage—basedtrackingsystems，areturnmaycomefrommultipletargets，andatargetmayproducemultipleretums．Sotheaboveassumptionisnotconformabletosuchacase．Consequen