粒子滤波在机动目标跟踪中
摘 要 在目标跟踪、机器人技术、信号处理以及时间序列分析等许多领域中，卡尔曼滤波被用于估算线性高斯系统和计量模型。然而，最广泛使用的方法虽然为卡尔曼滤波，但它很难应用于非高斯、非线性的系统模型中。 近些年来，粒子滤波（Particle Filer）逐渐取代了卡尔曼滤波。粒子滤波的原理是通过蒙特卡罗方法来对非高斯、非线性的模型进行预测和更新。蒙特卡罗方法的基本思路是根据系统模型的条件分布产生一组随机样本分布，将这些粒子的权重信息不断调整从而修正最初的样本条件分布情况。粒子滤波算法能够应用在很多测量模型系统中，并不会受到高斯噪声的影响造成的系统跟踪误差。由于粒子滤波算法在非高斯、非线性的方面能够有很好的适用性，使得其在实际生活中有着广泛的应用。但使用粒子滤波算法，为了避免权值退化，还需要进行重采样。 因此，本文从贝叶斯理论入手，介绍了粒子滤波算法，并重点研究了四种重采样算法，包括多项式重采样算法、残差重采样算法、分层重采样算法以及系统重采样算法。由于粒子滤波算法中主要存在的问题是粒子退化导致样本粒子多样性降低，使得算法精度变低。四种重采样算法都能够较好解决粒子的退化问题。 此外，本文利用MATLAB仿真平台研究粒子滤波算法在机动目标中跟踪算法，并对机动目标运动模型进行仿真分析，然后对跟踪仿真的误差进行了多方面的比较。在此基础上，对加入了闪烁噪声的目标跟踪算法进行了改进，在很大程度上，能够很好地对目标进行更新和估计，而且误差控制在一定的范围之内，从而来研究粒子滤波的优劣性。
目 录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 课题研究目的及意义 1
1.2 国内外粒子滤波技术研究 2
1.3 本文的结构安排和主要研究内容 3
第2章 粒子滤波的基本原理 5
2.1 动态空间模型系统 5
2.2 贝叶斯估计理论 5
2.2.1 贝叶斯理论 6
2.2.2 贝叶斯信号的处理 6
2.3 蒙特卡罗积分运算 8
2.4 序贯蒙特卡罗信号处理 9
2.4.1 顺序重要性采样 9
2.4.2 Bootstrap/SIR 滤波器 11<
*好棒文|www.hbsrm.com +Q: 3 5 1 9 1 6 0 7 2
br /> 2.5 粒子滤波 13
2.6 重采样技术 13
2.7 本章小节 15
第3章 粒子滤波的重采样仿真 17
3.1 常用的重采样方法 17
3.2 算法仿真工具介绍 17
3.2.1 MATLAB简介 17
3.2.2 MATLAB特点 18
3.2.3 MATLAB函数 18
3.3 多项式重采样算法 20
3.3.1 算法设计思路 20
3.3.2 算法设计仿真 20
3.4 残差重采样算法 21
3.4.1 算法设计思路 21
3.4.2 算法设计仿真 22
3.5 分层重采样算法 22
3.5.1 算法设计思路 22
3.5.2 算法设计仿真 23
3.6 系统重采样算法 23
3.6.1 算法设计思路 23
3.6.2 算法设计仿真 24
3.7 重采样实验仿真结论 25
第4章 粒子滤波算法在机动目标跟踪中的应用 27
4.1 机动目标跟踪原理 27
4.2 基于高斯噪声粒子滤波的机动目标跟踪算法 29
4.2.1 机动目标系统设定 29
4.2.2 机动目标跟踪系统仿真 29
4.2.3 跟踪仿真性能分析 30
4.3 基于高斯噪声粒子滤波的机动目标跟踪算法改进 33
4.3.1 机动目标系统的改进思路 33
4.3.2 机动目标系统改进设定 34
4.3.3 机动目标跟踪系统仿真 36
4.3.4 改善跟踪仿真性能分析 39
4.5 本章小结 40
第5章 总结与展望 41
5.1 总结 41
5.2 展望 41
参考文献 43
致 谢 45
毕业论文（英文翻译） 46
第1章 绪论
1.1 课题研究目的及意义
近些年来，目标跟踪技术开始在现代生活中扮演着越来越重要的角色。目标跟踪技术是通过传感器自动收集分析获得相关信息，对目标进行持续性预估的过程，其中包含了目标的一些参数以及相关属性。[1]国内外许多学者对于目标跟踪技术在雷达系统处理、人工智能、自动控制系统等众多领域内的应用进行了深入的研究与创新，在许多方面也得到一些突破性发展和改善。这些研究成果被广泛应用于包括监控、导航、监控等民用领域，也有被应用于国家安全防护方面，例如空中预警、交通等。
在信息系统中，目标跟踪作为一个重要的研究方向，通过智能计算、无线传感网、物联网、控制以及统计估计来对传感器收集的数据进行决策的工作，将这些信息分解为不同的信息源，从而预估和推断被跟踪的目标数目，借此估计被跟踪目标的状态参数。此外，在非高斯、非线性的系统中进行随机数据分析，在处理语音、视频等图像方面都有着极其广泛的应用和发展前景。1937年，第一部跟踪雷达站的发展被引入了目标跟踪技术。此后，随着第二次世界大战的爆发，在各个领域中应用了雷达等相关目标跟踪技术，这使得目标跟踪定位技术得到了长远的发展。至此以后，越来越多的目标跟踪算法开始涌现，随着科学技术的发展和进步，算法的性能也有了显著的提高。直到1970年左右，一些学者把卡尔曼（Kalman）滤波理论应用于目标跟踪实际应用中时，人们才开始逐渐关注生活中的目标跟踪应用。[3]
但是在对系统模型进行目标跟踪的情况下，卡尔曼滤波主要是用于线性高斯的模型中，而在实际的应用中，目标跟踪的系统模型一般都是非高斯、非线性的情况。针对这种情况，研究学者对卡尔曼滤波进行研究和改进，得到了一种新的卡尔曼滤波算法——扩展卡尔曼滤波算法（EKF）。该算法能够对系统模型进行非线性的拟合近似，从而得到较好地估计范围。但是，扩展卡尔曼滤波算法对于非线性化程度较高、滤波误差比较大的情况，目标跟踪效果会变差。此后，随者计算机的逐渐扩大，内存以及硬盘成本的下降，一种基于贝叶斯原理的序贯蒙特卡罗粒子滤波开始成为目标跟踪的主流。
近些年来，粒子滤波是通过蒙特卡罗（Monte Carlo）方法来对非高斯、非线性的模型进行预测和更新。蒙特卡罗方法的基本思路是根据系统模型的条件分布产生一组随机(Random)样本分布，将这些粒子的权重信息不断调整从而修正最初的样本条件分布情况。粒子滤波算法能够应用在很多测量模型系统中，不会受到高斯噪声的影响造成的系统跟踪误差。由于粒子滤波算法在非高斯、非线性的方面能够有很好的适用性，使得其在实际生活中有着广泛的应用。由于我们可以看到在实际的应用当中，图像常常处于动态的应用过程中，里面包含了大量的噪声以及许多无关的背景信息，使得对于目标跟踪技术的研究造成许多挑战。如何较好的解决这些问题成为了研究学者所关心的方面。
现如今，粒子滤波应用越来越广泛，但依旧不成熟，其中存在许多有待于克服的问题。在一些精度要求比较高的系统模型应用中，常用的跟踪算法都不能够很好地进行拟合跟踪，依旧需要更好地粒子滤波算法。因此，作为一个初学者，对于基于粒子滤波的机动目标跟踪算法能够有深入的研究和认识，能够完善其理论分析，并对其应用领域有自己的看法和研究。
1.2 国内外粒子滤波技术研究
在1950年，粒子滤波就开始应用于统计学分析当中。在1960年粒子滤波得到应用和发展。但由于存在粒子退化等问题，粒子滤波始终未能得到广泛的研究和实际应用。[5]一直到1993年，自举粒子滤波算法由Gordon提出，该滤波算法通过增加了重采样的思路来减少粒子退化造成的误差影响，得到了长远的发展。当然，这里面也少不了计算机的急剧增长和发展。这导致了大量研究学者对粒子滤波进行理论分析和实际应用的研究。
粒子滤波在其发展的历史长河中，有着许多的曾用名，包括最初的自举滤波算法，到后来的凝聚算法，再到蒙特卡罗滤波算法等等，不一而足。2000年底，一位Doucet的学者和他的团队在前面学者的研究分析的基础之上，对粒子滤波给出了定义：通过采用蒙特卡罗方法来计算贝叶斯估计中的多重积分运算，并通过SIS方式来产生一组粒子集合，该集合中的每一个粒子都有不同的重要性权值，通过对这些粒子进行加权求和来得到整体的系统模型状态的后验概率密度估计值。在此之后的许多改进算法都是在Doucet提出的粒子滤波的基础之上进行的。[7]
目 录
摘 要 I
ABSTRACT II
第1章 绪论 1
1.1 课题研究目的及意义 1
1.2 国内外粒子滤波技术研究 2
1.3 本文的结构安排和主要研究内容 3
第2章 粒子滤波的基本原理 5
2.1 动态空间模型系统 5
2.2 贝叶斯估计理论 5
2.2.1 贝叶斯理论 6
2.2.2 贝叶斯信号的处理 6
2.3 蒙特卡罗积分运算 8
2.4 序贯蒙特卡罗信号处理 9
2.4.1 顺序重要性采样 9
2.4.2 Bootstrap/SIR 滤波器 11<
*好棒文|www.hbsrm.com +Q: 3 5 1 9 1 6 0 7 2
br /> 2.5 粒子滤波 13
2.6 重采样技术 13
2.7 本章小节 15
第3章 粒子滤波的重采样仿真 17
3.1 常用的重采样方法 17
3.2 算法仿真工具介绍 17
3.2.1 MATLAB简介 17
3.2.2 MATLAB特点 18
3.2.3 MATLAB函数 18
3.3 多项式重采样算法 20
3.3.1 算法设计思路 20
3.3.2 算法设计仿真 20
3.4 残差重采样算法 21
3.4.1 算法设计思路 21
3.4.2 算法设计仿真 22
3.5 分层重采样算法 22
3.5.1 算法设计思路 22
3.5.2 算法设计仿真 23
3.6 系统重采样算法 23
3.6.1 算法设计思路 23
3.6.2 算法设计仿真 24
3.7 重采样实验仿真结论 25
第4章 粒子滤波算法在机动目标跟踪中的应用 27
4.1 机动目标跟踪原理 27
4.2 基于高斯噪声粒子滤波的机动目标跟踪算法 29
4.2.1 机动目标系统设定 29
4.2.2 机动目标跟踪系统仿真 29
4.2.3 跟踪仿真性能分析 30
4.3 基于高斯噪声粒子滤波的机动目标跟踪算法改进 33
4.3.1 机动目标系统的改进思路 33
4.3.2 机动目标系统改进设定 34
4.3.3 机动目标跟踪系统仿真 36
4.3.4 改善跟踪仿真性能分析 39
4.5 本章小结 40
第5章 总结与展望 41
5.1 总结 41
5.2 展望 41
参考文献 43
致 谢 45
毕业论文（英文翻译） 46
第1章 绪论
1.1 课题研究目的及意义
近些年来，目标跟踪技术开始在现代生活中扮演着越来越重要的角色。目标跟踪技术是通过传感器自动收集分析获得相关信息，对目标进行持续性预估的过程，其中包含了目标的一些参数以及相关属性。[1]国内外许多学者对于目标跟踪技术在雷达系统处理、人工智能、自动控制系统等众多领域内的应用进行了深入的研究与创新，在许多方面也得到一些突破性发展和改善。这些研究成果被广泛应用于包括监控、导航、监控等民用领域，也有被应用于国家安全防护方面，例如空中预警、交通等。
在信息系统中，目标跟踪作为一个重要的研究方向，通过智能计算、无线传感网、物联网、控制以及统计估计来对传感器收集的数据进行决策的工作，将这些信息分解为不同的信息源，从而预估和推断被跟踪的目标数目，借此估计被跟踪目标的状态参数。此外，在非高斯、非线性的系统中进行随机数据分析，在处理语音、视频等图像方面都有着极其广泛的应用和发展前景。1937年，第一部跟踪雷达站的发展被引入了目标跟踪技术。此后，随着第二次世界大战的爆发，在各个领域中应用了雷达等相关目标跟踪技术，这使得目标跟踪定位技术得到了长远的发展。至此以后，越来越多的目标跟踪算法开始涌现，随着科学技术的发展和进步，算法的性能也有了显著的提高。直到1970年左右，一些学者把卡尔曼（Kalman）滤波理论应用于目标跟踪实际应用中时，人们才开始逐渐关注生活中的目标跟踪应用。[3]
但是在对系统模型进行目标跟踪的情况下，卡尔曼滤波主要是用于线性高斯的模型中，而在实际的应用中，目标跟踪的系统模型一般都是非高斯、非线性的情况。针对这种情况，研究学者对卡尔曼滤波进行研究和改进，得到了一种新的卡尔曼滤波算法——扩展卡尔曼滤波算法（EKF）。该算法能够对系统模型进行非线性的拟合近似，从而得到较好地估计范围。但是，扩展卡尔曼滤波算法对于非线性化程度较高、滤波误差比较大的情况，目标跟踪效果会变差。此后，随者计算机的逐渐扩大，内存以及硬盘成本的下降，一种基于贝叶斯原理的序贯蒙特卡罗粒子滤波开始成为目标跟踪的主流。
近些年来，粒子滤波是通过蒙特卡罗（Monte Carlo）方法来对非高斯、非线性的模型进行预测和更新。蒙特卡罗方法的基本思路是根据系统模型的条件分布产生一组随机(Random)样本分布，将这些粒子的权重信息不断调整从而修正最初的样本条件分布情况。粒子滤波算法能够应用在很多测量模型系统中，不会受到高斯噪声的影响造成的系统跟踪误差。由于粒子滤波算法在非高斯、非线性的方面能够有很好的适用性，使得其在实际生活中有着广泛的应用。由于我们可以看到在实际的应用当中，图像常常处于动态的应用过程中，里面包含了大量的噪声以及许多无关的背景信息，使得对于目标跟踪技术的研究造成许多挑战。如何较好的解决这些问题成为了研究学者所关心的方面。
现如今，粒子滤波应用越来越广泛，但依旧不成熟，其中存在许多有待于克服的问题。在一些精度要求比较高的系统模型应用中，常用的跟踪算法都不能够很好地进行拟合跟踪，依旧需要更好地粒子滤波算法。因此，作为一个初学者，对于基于粒子滤波的机动目标跟踪算法能够有深入的研究和认识，能够完善其理论分析，并对其应用领域有自己的看法和研究。
1.2 国内外粒子滤波技术研究
在1950年，粒子滤波就开始应用于统计学分析当中。在1960年粒子滤波得到应用和发展。但由于存在粒子退化等问题，粒子滤波始终未能得到广泛的研究和实际应用。[5]一直到1993年，自举粒子滤波算法由Gordon提出，该滤波算法通过增加了重采样的思路来减少粒子退化造成的误差影响，得到了长远的发展。当然，这里面也少不了计算机的急剧增长和发展。这导致了大量研究学者对粒子滤波进行理论分析和实际应用的研究。
粒子滤波在其发展的历史长河中，有着许多的曾用名，包括最初的自举滤波算法，到后来的凝聚算法，再到蒙特卡罗滤波算法等等，不一而足。2000年底，一位Doucet的学者和他的团队在前面学者的研究分析的基础之上，对粒子滤波给出了定义：通过采用蒙特卡罗方法来计算贝叶斯估计中的多重积分运算，并通过SIS方式来产生一组粒子集合，该集合中的每一个粒子都有不同的重要性权值，通过对这些粒子进行加权求和来得到整体的系统模型状态的后验概率密度估计值。在此之后的许多改进算法都是在Doucet提出的粒子滤波的基础之上进行的。[7]
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/3004.html
