基于MeMBer濾波器的弱小目標檢測前跟蹤方法研究.pdf_第1頁
已閱讀1頁，還剩87頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、低信噪比下紅外弱小目標的檢測與跟蹤是光電探測跟蹤體系的核心技術。隨著現代科學的發(fā)展，各種空中飛行器的機動性和反隱身性越來越高，這就對弱小目標的檢測手段提出更高的要求。將隨機集理論應用到多弱目標的檢測與跟蹤領域，并用各種多目標跟蹤算法與檢測前跟蹤（Tracking Before Detection，TBD）相結合實現低信噪比環(huán)境下未知弱小目標數目的檢測與跟蹤，豐富了隨機集理論的內容，凸顯了TBD算法的優(yōu)勢。本論文基于多目標多伯努利（Mul

2、ti-Target Multi-Bernoulli， MeMBer）濾波器的弱小目標TBD方法研究，提出一些新的改進算法并給予實現。
　　首先，詳細介紹了 MeMBer濾波器和紅外弱小目標 TBD模型，重點講解MeMBer-TBD算法原理及其基于高斯粒子的實現。針對在多目標交叉和相鄰的復雜場景，傳統(tǒng)的修剪合并算法存在合并錯誤而丟失目標信息及穩(wěn)定性差的缺陷，提出一種采用標號思想的改進合并方法。多個場景下的仿真實驗表明新的合并方法能很

3、好地實現穩(wěn)定檢測并跟蹤，特別是在低信噪比條件下，仍能準確地完成目標合并。
　　其次，針對傳統(tǒng) TBD算法存在高存儲空間和高復雜度的難題，提出一種點擴散函數下的閾值化量測TBD算法，并將其與MeMBer濾波結合應用到紅外多弱目標的檢測并跟蹤。用索引集代替圖像數據作為量測集，由檢測概率計算似然函數。仿真結果表明算法能高效的實現多弱小目標的檢測與跟蹤，降低算法復雜度和存儲空間。同時適應現有的閾值化傳感器，使得算法在實際工程應用中有良好的

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論