基于粒子滤波的目标跟踪研究.pdf

基于粒子滤波的目标跟踪研究.pdf

《基于粒子滤波的目标跟踪研究.pdf》由会员分享，可在线阅读，更多相关《基于粒子滤波的目标跟踪研究.pdf（62页珍藏版）》请在冰豆网上搜索。

西安电子科技大学硕士学位论文基于粒子滤波的目标跟踪研究姓名：

闫鹤申请学位级别：

硕士专业：

通信与信息系统指导教师：

田斌20100401摘要摘要随着控制和计算机技术的飞速发展，非线性滤波技术在信号处理、无线通信、自动控制、航空航天、计算机视觉、以及目标跟踪和识别等领域具有越来越广泛的应用。

经典的卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）等算法在研究非线性、非高斯动态系统最优估计问题时，估计精度会明显下降甚至发散。

而粒子滤波理论结合了贝叶斯估计理论和蒙特卡罗方法，适用于能用状态空间模型表示的非线性系统，以及传统卡尔曼滤波无法表示的非线性非高斯系统，精度可以逼近最优估计，并在目标跟踪领域得到了广泛的应用。

本文主要围绕粒子滤波方法及其在目标跟踪中的应用开展相关研究工作，主要工作包括：

1.在卡尔曼滤波理论的基础上，分析了扩展卡尔曼滤波（EKF）、不敏卡尔曼滤波（UKF）和迭代扩展卡尔曼滤波（IEKF）等主要的非线性滤波方法并进行了跟踪性能仿真对比实验，综合比较了算法优缺点，结果表明迭代扩展卡尔曼滤波（IEKF）算法的跟踪性能和滤波精度优于其他算法。

2.重要性密度函数的选取对于改善粒子退化现象和滤波精度有着非常重要的影响，由于IEKF产生的重要性密度函数比EKF和UKF更接近于真实后验概率分布，估计精度更好。

本文研究并仿真了一种基于IEKF的粒子滤波算法IEPF。

结果表明，该算法的估计性能优于扩展卡尔曼粒子滤波（EPF）和不敏卡尔曼粒子滤波（UPF）。

随后针对粒子滤波算法中由于重采样可能带来的粒子枯竭问题，在PF算法的基础上引入了基于马尔可夫链蒙特卡罗移动（MCMC）的PF-MCMC算法来增加粒子的多样性，并完成了性能仿真。

结果表明PF-MCMC算法在滤波过程中保持了粒子的多样性，提高了跟踪精度。

3.将粒子滤波算法与概率数据关联算法以及交互式多模型算法结合在一起形成了PDA-IMM-PF算法，并应于目标跟踪中。

通过仿真实验验证了PDA-IMM-PF算法比基于UKF滤波算法的PDA-IMM-UKF有较高的跟踪精度。

关键词：

目标跟踪非线性滤波粒子滤波交互式多模型AbstractAbstractWiththerapiddevelopmentofcontroltechnologyandcomputertechnology,nonlinearfilteringtechniquehasfoundwideapplicationsinmanyareas.TheestimationaccuracyofclassicalalgorithmssuchasKalmanfilteringandextendedKalmanfilteringdecreasessignificantlyandevenappearsdivergencewhenappliedtooptimalestimationfornonlinearandnon-Gaussiandynamicsystem.TheparticlefilteringisacombinationofBayesianestimationtheoryandMonteCarlomethod,whichmayapplytoanynonlinearsystemsthatcanbeexpressedbystatespacemodel，aswellasthenonlinearnon-GaussiansystemsthatcannotbeexpressedbythetraditionalKalmanfilter,andhasgainedextensiveapplicationintargettrackingfields.Theaccuracyofparticlefilteringcanapproximatetotheoptimalestimation.Thisthesismainlyinvestigatesparticlefilteringmethodanditsapplicationintargettracking.Themainworkconsistsofthefollowingaspects.1.BasedonKalmanFiltering,themainnonlinearfilteringmethodsincludingEKF,UKFandIEKFareanalyzedandcompared.Inwhichtheadvantagesanddisadvantagesofthealgorithmsaresummarized.SimulationsshowthatIEKFoutperformsotheralgorithms.2.Consideringthattheselectionoftheimportancedensityfunctionhasimportantlyaffectedonimprovingtheparticledegradationandfilteraccuracy,theIEKFissuperiortoEKFandUKFintheposteriordistributions.ThisthesiscombinesparticlefilteringalgorithmwithIEKF.SimulationresultsshowthattheperformanceoftheimprovedalgorithmIEPFissuperiortotheEPFandUPF.Inordertoresolvethedepletionproblemafterresampling,thisthesisgivesanimprovedalgorithmthroughintroducingaMCMC（MarkovChainMonteCarlo）steptoincreasethediversityofparticles.ThesimulationresultsshowthattheaccuracyoftheparticlefilteringalgorithmwithMCMCishigherthanthatwithoutMCMC,whichcantrackthetargetmoreexactly.3.AnewaigorithmPDA-IMM-PFcombinedtheparticlefilteringalgorithmwiththeprobabilisticdataassociationandinteractingmultiplemodelalgorithmsisgiven,anditsapplicationintargettrackingispresented.SimulationresultsshowthatthePDA-IMM-PFalgorithmwithahigheraccuracyissupweiortothePDA-IMM-UKFwichisbasedonUKFfilteringalgorithm.Keywords:

TargetTrackingParticleFilteringProbabilisticDataAssosiationInteractingMultipleModel西安电子科技大学西安电子科技大学学位论文独创性（或创新性）声明学位论文独创性（或创新性）声明秉承学校严谨的学分和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。

尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。

与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。

申请学位论文与资料若有不实之处，本人承担一切相关责任。

本人签名：

日期西安电子科技大学西安电子科技大学关于论文使用授权的说明关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：

研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。

学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。

同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位仍然为西安电子科技大学。

（保密的论文在解密后遵守此规定）。

本学位论文属于保密在年解密后适用本授权书。

本人签名：

日期导师签名：

日期第一章绪论1第一章第一章绪论绪论1.1研究背景及意义目标跟踪技术早在1937年出现世界上第一部跟踪雷达站SCR.28便得到了应用，但其理论的提出却在1955年Wax提出了多目标跟踪的基本概念之后才逐渐形成并发展起来，直至70年代，卡尔曼滤波理论被成功地应用在目标跟踪领域之后，目标跟踪技术才真正引起人们的普遍关注和极大兴趣。

近几十年，随着科技的进步与各国科研人员的努力，跟踪理论与方法都得到了很大的发展，目标跟踪技术也在军用和民用领域得到了广泛的应用。

这些应用有1：

（1）军事上的各类防御系统：

如机载火力控制系统、弹载系统、机载预警系统、战场监视系统、机载空地攻击系统、地面警戒系统、舰载预警系统、水下跟踪攻击系统等234；

（2）海岸监视系统（MS），用以实现狭窄航道对船只航行及停靠时的安全导航5。

（3）空中交通管制（ACT）系统：

用于各类飞行器航行途中及终端地区的管理、进出场管理、防撞警告、碰撞回避等678。

（4）汽车和个人GPS导航系统，提供地图及全信息服务。

因此，对目标跟踪问题进行理论和应用研究，具有重大的理论和现实意义。

1.2目标跟踪研究进展与发展趋势跟踪就是处理来自目标的量测值，以便保持对位置、速度和加速度等目标当前状态的估计和未来时刻目标运动状态的预测9。

目标跟踪研究中的关键技术主要有：

运动目标模型的建立、滤波算法和数据关联算法。

1.2.1运动目标常用的模型目标跟踪是对一个运动系统的状态估计，而运动系统模型10建立的好坏将对于最终滤波估计结果产生重要的影响，好的模型可以提高估计性能，坏的模型导致滤波性能变差甚至引发滤波发散。

当前目标跟踪算法按照模型应用可分为：

单模型（SM）和多模型（MM）算法。

目前，常见的单模型主要有匀速（CV）模型，匀加速（CA）模型，Singer模型、“当前”统计模型11、转弯模型1213（CT）和Jerk14模型。

1.CV模型和CA模型当运动目标无机动，即目标作匀速或匀加速直线运动时，可分别采用二阶常速（CV）模型或三阶常加速（CA）模型。

CV模型基于粒子滤波的目标跟踪研究2010（）001xxwtxx=+?

（1-1）CA模型01000010（）0001xxxxwtxx=+?

（1-2）式中，x、x?

和x?

分别为目标的位置、速度和加速度分量，（）wt是均值为零、方差为2的高斯白噪声，CV和CA模型都线性模型，计算简单，适合于实时跟踪。

但是对跟踪系统来说，目标的机动情况并不知道，如何描述机动加速度将是一个复杂的问题，因此在此基础上出现了一些其它改进模型。

2.时间相关模型15（Singer模型）对处于一