目标跟踪系统中多传感器数据融合算法研究

论文摘要

科学技术的迅猛发展以及军事和非军事领域技术复杂度的不断增长,迫切要求人们利用新的技术手段对过多的信息进行消化、解释和评估。由此,人们越来越意识到数据融合的重要性。目标跟踪在军事以及非军事上都存在广泛的应用,而传感器已成为目标跟踪系统的必要组成部分,为了更好的提高系统的跟踪性能,有必要对多传感器数据融合算法进行深入的研究。本文首先总结了机动目标跟踪数据融合算法的发展历史、研究现状以及未来的发展方向。随后介绍了跟踪融合系统中的一些基础算法和常用的融合算法,并在此基础上用Matlab构建了融合算法性能评估系统。在跟踪系统中,测量系统的噪声可能会随周围环境的改变而发生变化,同时目标的加速度也可能会在短时间内不断变化,目前提出的很多算法能够较好的解决其中任意一种,但当两者都可能在跟踪过程中发生时,还没有一种较好的算法能够有效的处理。为了解决这一问题,作者通过结合不同算法和模型到同一个融合系统中,在论文尝试性的提出了一种新的融合算法,此算法结合神经网络和模糊逻辑,进行优势互补。为了验证这种新算法的性能,论文使用算法性能评估系统给出了测试结果,从结果来看,算法较好的解决了上述问题,但同时也存在一定的局限性。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 机动目标跟踪概述
• 1.2 数据融合算法的基本概念及意义
• 1.3 目标跟踪系统中数据融合算法的发展现状与趋势
• 1.4 本文主要工作
• 第二章 跟踪系统中的基本算法与常用融合算法简介
• 2.1 卡尔曼滤波
• 2.1.1 最优递归估值器--标量卡尔曼滤波器
• 2.1.2 向量卡尔曼滤波器
• 2.1.3 卡尔曼滤波器的主要特性
• 2.2 加权融合算法
• 2.3 自适应加权融合估计算法
• 2.3.1 自适应加权融合的估计模型及原理
• 2.3.2 算法推导
• 第三章 融合算法性能评估系统的设计与实现
• 3.1 平台的设计思路
• 3.2 数据发生器模块
• 3.3 卡尔曼滤波器模块
• 3.4 异步数据处理模块
• 3.5 数据融合模块
• 3.6 性能评估模块
• 3.7 仿真平台的测试
• 第四章 人工神经网络与模糊逻辑的结合算法
• 4.1 算法提出背景
• 4.2 人工神经网络
• 4.2.1 人工神经网络简介
• 4.2.2 神经元模型
• 4.2.3 人工神经网络的互联模式
• 4.2.4 人工神经网络学习规则
• 4.3 模糊逻辑
• 4.3.1 模糊逻辑简介
• 4.3.2 模糊集合的基本概念
• 4.3.3 模糊集合运算
• 4.3.4 模糊推理和模糊决策
• 4.3.5 模糊系统设计
• 4.4 人工神经网络与模糊逻辑结合的算法
• 4.4.1 人工神经网络的详细设计
• 4.4.2 模糊逻辑系统的详细设计
• 4.4.3 人工神经网络与模糊逻辑结合的算法模型
• 4.5 仿真与结果分析
• 第五章 总结
• 致谢
• 参考文献
• 附录
• 攻硕期间取得的研究成果