基于序列Monte Carlo方法的非線性濾波技術(shù)研究.pdf

1、現(xiàn)實(shí)世界中的隨機(jī)動態(tài)系統(tǒng)大都是非線性非高斯的，因此非線性濾波問題是極為普遍的，許多領(lǐng)域都涉及到，目標(biāo)跟蹤是其重要應(yīng)用之一。目標(biāo)跟蹤是基于具有不確定性測量的傳感器數(shù)據(jù)，對來自未知目標(biāo)的運(yùn)動學(xué)特征做出估計(jì)。近年來粒子濾波，也稱序列Monte Carlo方法，在目標(biāo)跟蹤方面得到廣泛關(guān)注，其原因可以理解為這種方法的簡潔性、處理復(fù)雜情況的魯棒性及易操作性，更重要的是它對非線性非高斯估計(jì)問題的強(qiáng)大處理能力。這種非線性濾波技術(shù)是一種基于仿真的數(shù)值方法

2、，其利用離散隱馬爾可夫鏈建模，通過系統(tǒng)模型描述目標(biāo)未知狀態(tài)隨時間的演化規(guī)律，通過測量模型把可利用的目標(biāo)觀測值與狀態(tài)聯(lián)系起來，并鑒于過去和目前的測量值，在先驗(yàn)信息已知的基礎(chǔ)上，進(jìn)行預(yù)測和更新，提供一個目標(biāo)狀態(tài)的近似分布。 本文對基于貝葉斯框架下的序列Monte Carlo方法及目標(biāo)跟蹤原理進(jìn)行了綜述，對粒子濾波的改進(jìn)方法進(jìn)行了全面的概括，分析了粒子濾波方法的收斂性，其收斂特性保證了收斂率獨(dú)立于狀態(tài)空間的維數(shù)，而且是Lp收斂的。通過

3、仿真實(shí)驗(yàn)，表明了對于線性高斯系統(tǒng)，精確的估計(jì)方法比粒子濾波的跟蹤效果要好；但對于非線性非高斯模型，粒子濾波具有較大的優(yōu)勢，可以顯著提高濾波的效果，并應(yīng)用語音增強(qiáng)的實(shí)例進(jìn)行了比較說明。 針對多傳感器目標(biāo)跟蹤問題，本文論述了數(shù)據(jù)融合技術(shù)，提出了一種交叉?zhèn)鞲衅鹘徊嫣卣鳎–SCM）數(shù)據(jù)融合算法，可以對種類不同、模型不同的多個傳感器數(shù)據(jù)進(jìn)行融合，并應(yīng)用粒子濾波來進(jìn)行非線性估計(jì)，完成一移動機(jī)器人目標(biāo)跟蹤任務(wù)，為準(zhǔn)確地定義目標(biāo)位置的狀態(tài)，我們

4、分別采用最佳粒子、加權(quán)均值和魯棒均值三種估計(jì)方法，并對三種基本的重采樣策略進(jìn)行了比較，實(shí)驗(yàn)結(jié)果證明了這種數(shù)據(jù)融合算法的可行性和有效性。 在視覺跟蹤方面，本文論述了視覺跟蹤技術(shù)、攝像機(jī)系統(tǒng)以及顏色分布的相關(guān)內(nèi)容，提出一種基于顏色直方圖的粒子濾波算法用來跟蹤運(yùn)動目標(biāo)，所提出的方法可以處理旋轉(zhuǎn)、尺寸變換和光照條件的變化以及目標(biāo)的部分遮擋等問題，從而可以魯棒地跟蹤目標(biāo)。這種方法是把顏色直方圖結(jié)合到粒子濾波的觀測模型中，應(yīng)用二階自回歸模型

5、作為系統(tǒng)模型，跟蹤的目標(biāo)既可以是剛性目標(biāo)，也可以是非剛性目標(biāo)，并且跟蹤算法可以實(shí)時實(shí)現(xiàn)。針對復(fù)雜背景環(huán)境下的多目標(biāo)跟蹤問題，本文論述了主要的數(shù)據(jù)關(guān)聯(lián)技術(shù)，將目標(biāo)檢測算法和粒子濾波結(jié)合起來，利用顏色直方圖作為觀測模型，利用GNN算法進(jìn)行數(shù)據(jù)關(guān)聯(lián)，提出了一種基于粒子濾波的多目標(biāo)跟蹤算法，實(shí)現(xiàn)了視頻場景中的多個目標(biāo)跟蹤。該算法對目標(biāo)在場景中的頻繁出現(xiàn)和消失、相似外表、交叉運(yùn)動和短暫遮擋等有較好的處理效果。 關(guān)于粒子濾波目標(biāo)跟蹤的性能評