论文摘要
通常,人们对序列图像跟踪系统的研究主要集中在近距离大目标,大信噪比的情况下。然而,近些年来,由于军事上要求不断的提高防御系统性能,使得人们对远距离,低信噪杂波比情况下的微弱点状目标的检测及跟踪技术产生了浓厚的兴趣,使得该课题成为目前的研究热点之一。本论文研究了一种基于目标的初始位置、运动速率以及目标亮度的点状动目标PDAF跟踪技术。此技术以基于TBD技术的多帧检测成功为条件,TBD检测器把多帧检测结果——目标的初始位置、运动速率以及目标亮度传递到跟踪滤波器,跟踪滤波器接收到这些信息后,利用卡尔曼滤波器来预测目标在下一帧的可能的存在区域,再在此区域内进行目标的CFAR检测。由于信噪比很低,可能会出现很多虚假目标,利用已获知的目标初始信息和数据关联技术,确定其中某一个为真实目标,从而达到跟踪目的。本论文推导了概率数据关联滤波器的公式,并用MATLAB对其算法进行了仿真,得到了重要的理论分析和实验结果。
论文目录
摘要Abstract第一章 引言1.1 研究背景及意义1.2 目标与观测模型及微弱点状动目标跟踪难点1.2.1 目标与观测模型1.2.2 微弱点状动目标跟踪难点1.3 国内外研究动态1.4 本论文主要研究工作1.5 论文内容安排第二章 微弱点状动目标跟踪技术基础理论2.1 常用的判断准则2.1.1 最大后验概率(MAP)判决准则2.1.2 Bayes 判决准则2.1.3 CFAR 判决准则2.2 目标跟踪模型研究2.3 KALMAN 滤波器2.4 数据关联问题2.5 信噪杂波比定义AI 的点状动目标跟踪技术'>第三章 基于PDAFAI 的点状动目标跟踪技术3.1 概率数据关联问题的提出AI)跟踪技术'>3.2 附带亮度信息的概率数据关联(PDAFAI)跟踪技术3.2.1 跟踪模型3.2.2 跟踪算法第四章 算法仿真与性能分析4.1 实验条件4.1.1 实验环境4.1.2 实验数据准备4.2 实验结果4.2.1 实验流程图4.2.2 跟踪实验结果4.3 算法性能分析第五章 结论与展望5.1 结论5.2 展望参考文献附录A 实验数据准备AI 的微弱点状动目标跟踪算法'>附录B PDAFAI 的微弱点状动目标跟踪算法攻读学位期间发表的学术论文致谢
相关论文文献
标签:图像序列论文; 判决准则论文; 滤波器论文; 概率数据关联滤波论文; 点目标跟踪论文;