基于PDAF的点状多运动目标实时跟踪技术研究

论文摘要

弱点状运动目标的跟踪问题以其越来越多的应用成为当今学术界研究的热点。它是多学科、多部门、多领域所共同关心的高层次关键技术,但也是这个领域的难点,它存在着信噪比低、可用信息少等问题,给目标跟踪带来了困难。本文首先对微弱点状目标跟踪的概念、基本原理、研究意义、国内外研究现状、当前研究重点和发展方向,作了较为系统的介绍。并且研究了信息融合的基本理论、功能和主要算法等。在此基础上,将经典的卡尔曼滤波和信息融合技术结合起来,设计了三次数据融合过程:基于距离测度的第一次数据融合、基于曲率约束的第二次数据融合、基于平滑匹配概率的第三次数据融合。以此提高跟踪精度,解决了跟踪窗相互重叠部分的数据关联问题,实现了基于卡尔曼滤波的点状多目标跟踪系统。本文采用MATLAB平台对所述算法行了仿真,实验证明,该算法结构简单、实时有效,尤其适合于在原有PDAF单目标跟踪系统上的扩充。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 弱点状目标的特点及跟踪难点
• 1.2.1 弱点状目标的特点
• 1.2.2 微弱多目标跟踪难点
• 1.3 课题研究国内外现状
• 1.3.1 目标跟踪中的经典方法
• 1.3.2 经典跟踪滤波器介绍
• 1.4 本文的主要研究工作
• 第二章 弱点状多目标跟踪理论基础
• 2.1 目标与观测模型及系统基本结构
• 2.2 目标跟踪模型研究
• 2.3 KALMAN 滤波器
• 2.4 信息融合基本理论
• 2.4.1 信息融合的基本原理
• 2.4.2 信息融合的发展方向
• 第三章 基于PDAF 的点状动目标实时跟踪技术
• 3.1 单个点状动目标实时跟踪技术
• 3.1.1 概率数据关联问题的提出
• 3.1.2 单个点状目标跟踪模型
• 3.1.3 PDAF 算法步骤
• 3.2 多个点状动目标实时跟踪技术
• 3.2.1 多个点状动目标实时跟踪技术问题
• 3.2.2 多个点状目标跟踪模型
• 3.2.3 跟踪窗交叉部分数据融合与分离
• 3.3 基于PDAF 的多点状运动目标跟踪算法设计
• 3.3.1 算法流程图
• 3.3.2 基于距离测度的第一次数据融合
• 3.3.3 基于曲率约束的第二次数据融合
• 3.3.4 基于平滑匹配概率的第三次数据融合
• 第四章 实验仿真结果与分析
• 4.1 实验条件
• 4.1.1 实验环境
• 4.1.2 实验数据准备
• 4.2 实验算法
• 4.3 实验步骤及分析
• 4.4 小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 在读期间发表的论文清单
• 致谢