Print

红外多目标跟踪技术的研究

论文摘要

多目标跟踪技术是近年来国内外的研究热点之一,本文对红外多目标跟踪技术进行了深入的分析和研究。论文先对红外目标的观测特性、几种常见的目标运动模型以及红外多目标的跟踪原理进行了概述,接着针对目标跟踪滤波的问题,分别对两类跟踪滤波与预测方法进行了分析,一类是以卡尔曼滤波为代表的线性滤波方法,可以较好估计当前和未来时刻目标的运动状态;对于另一类非线性估计方法,介绍了扩展卡尔曼滤波器、粒子滤波器以及改进的高斯粒子滤波算法等,并通过仿真分析比较了多种非线性估计方法的性能。对于多目标跟踪数据关联问题,本文分析了几种典型的数据关联方法,在粒子滤波技术的基础上讨论了MC-JPDAF方法,最后采用了一种基于代价函数的方法进行目标跟踪,取得了较好的效果。最后,对红外多目标跟踪的发展方向进行了展望。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第一章 绪论
  • 1.1 课题的研究背景和意义
  • 1.2 多目标跟踪研究发展现状及应用
  • 1.3 本文主要工作以及章节内容安排
  • 第二章 红外多目标跟踪基本原理
  • 2.1 红外传感器特性分析
  • 2.1.1 红外传感器工作原理
  • 2.1.2 红外观测特性
  • 2.2 目标运动模型
  • 2.2.1 几种常见模型
  • 2.2.2 Monte Carlo运算
  • 2.3 目标跟踪基本原理
  • 2.3.1 单目标跟踪原理
  • 2.3.2 多目标跟踪原理
  • 第三章 目标跟踪滤波与预测
  • 3.1 基本的线性跟踪滤波与预测方法
  • 3.1.1 Kalman滤波
  • 3.1.2 维纳滤波
  • 3.1.3 最小二乘法滤波
  • 3.1.4 α-β和α-β-γ滤波
  • 3.1.5 检测自适应滤波
  • 3.1.6 实时辨识自适应滤波
  • 3.1.7 全面自适应滤波
  • 3.1.8 仿真比较
  • 3.2 非线性估计方法
  • 3.2.1 扩展卡尔曼滤波
  • 3.2.2 无迹卡尔曼滤波
  • 3.2.3 基本的粒子滤波算法
  • 3.2.4 常见的粒子滤波方法
  • 3.2.5 多种非线性估计方法仿真比较
  • 第四章 多目标数据关联算法
  • 4.1 数据关联方法
  • 4.2 仿真比较
  • 第五章 基于代价函数的跟踪方法及结果分析
  • 5.1 基于代价函数的跟踪方法
  • 5.1.1 跟踪起始
  • 5.1.2 关联区域
  • 5.1.3 关联匹配
  • 5.1.4 算法步骤
  • 5.2 仿真试验与分析
  • 第六章 总结与展望
  • 参考文献
  • 攻读硕士期间发表论文
  • 致谢
  • 相关论文文献

    本文来源: https://www.lw50.cn/article/384f31ca0e6f22134402bf42.html