螞蟻智能行為在目標(biāo)跟蹤中的應(yīng)用研究.pdf

1、目標(biāo)跟蹤是指為維持目標(biāo)狀態(tài)的估計(jì)，對(duì)傳感器提供的量測(cè)進(jìn)行處理的過程。傳統(tǒng)多目標(biāo)跟蹤通常按照航跡起始、航跡維持和航跡刪除的過程進(jìn)行處理，數(shù)據(jù)關(guān)聯(lián)是處理的核心和難點(diǎn)。基于有限集統(tǒng)計(jì)理論的非傳統(tǒng)多目標(biāo)跟蹤算法，對(duì)航跡處理的三個(gè)過程同時(shí)進(jìn)行處理，避開了數(shù)據(jù)關(guān)聯(lián)這一難題。目前傳統(tǒng)多目標(biāo)跟蹤在航跡起始、航跡維持以及基于有限集統(tǒng)計(jì)理論的非傳統(tǒng)多目標(biāo)跟蹤濾波算法上都取得了豐富的研究成果。本文圍繞傳統(tǒng)的航跡起始、濾波問題和概率假設(shè)密度濾波算法，引入螞蟻智

2、能行為，開展了基于群智能算法的目標(biāo)跟蹤技術(shù)的研究。
　　 論文開展的工作和取得的主要成果如下:
　　 1、針對(duì)航跡起始階段數(shù)據(jù)關(guān)聯(lián)存在的NP難題，分別提出了基于螞蟻導(dǎo)航、蟻群聚類算法以及蟻群分類算法的邏輯航跡起始方法。仿真結(jié)果表明，基于蟻群智能行為的航跡起始方法的正確起始概率高且時(shí)效性好。
　　 2、針對(duì)移動(dòng)螞蟻估計(jì)器主要是一步預(yù)測(cè)狀態(tài)的精度以及較復(fù)雜的移動(dòng)模型和信息素更新策略問題，分別了提出了擴(kuò)展/無跡移動(dòng)螞蟻

3、估計(jì)器和實(shí)時(shí)移動(dòng)螞蟻估計(jì)器。仿真結(jié)果表明，所提出的兩種移動(dòng)螞蟻估計(jì)器均能有效地跟蹤非機(jī)動(dòng)和機(jī)動(dòng)目標(biāo)。
　　 3、針對(duì)螞蟻估計(jì)器中螞蟻一步預(yù)測(cè)狀態(tài)的準(zhǔn)確程度影響最終的估計(jì)精度，提出了一種擴(kuò)展/無跡螞蟻估計(jì)器;利用螞蟻的隨機(jī)決策行為選擇提議分布，提出了一種基于螞蟻隨機(jī)決策的粒子濾波算法。仿真結(jié)果表明，基于蟻群優(yōu)化和粒子的混合濾波算法能夠?qū)Ψ菣C(jī)動(dòng)和機(jī)動(dòng)目標(biāo)進(jìn)行跟蹤，且跟蹤性能分別與粒子濾波和交互式粒子濾波的跟蹤性能相當(dāng)。
　　

4、 4、針對(duì)基于序貫蒙特卡羅的概率假設(shè)密度濾波算法的目標(biāo)狀態(tài)提取穩(wěn)定性問題，結(jié)合螞蟻隨機(jī)移動(dòng)行為，提出了基于蟻群聚類的概率假設(shè)密度濾波算法。仿真結(jié)果表明，所提出的算法具有穩(wěn)定、良好的跟蹤性能。針對(duì)概率假設(shè)密度函數(shù)難以得到解析解，提出了一種基于蟻群優(yōu)化的多極值點(diǎn)搜索的概率假設(shè)密度濾波算法的近似實(shí)現(xiàn)方法，仿真結(jié)果表明，提出的方法簡(jiǎn)單且能夠有效的近似實(shí)現(xiàn)概率假設(shè)密度濾波算法。
　　 最后，總結(jié)全文的研究成果并指出存在的不足和進(jìn)一步的研究