貝葉斯框架下多傳感器目標(biāo)跟蹤算法研究.pdf

1、隨著網(wǎng)絡(luò)通信技術(shù)的不斷發(fā)展，由于多傳感器觀測通常會削減估計的不確定性，現(xiàn)代防御觀測系統(tǒng)逐漸向多基地化和網(wǎng)絡(luò)化發(fā)展。在多傳感器觀測系統(tǒng)中，如何進(jìn)行數(shù)據(jù)融合是一個十分重要的問題，尤其是伴隨著傳感器工藝的不斷提升，越來越多的系統(tǒng)使用低成本的傳感器進(jìn)行較大規(guī)模的組網(wǎng)觀測，經(jīng)典的方法在沒有融合中心的情形下具有一定的局限性；此外，在實際的觀測過程中，時常會伴隨著檢測的不確定性，因此導(dǎo)致虛警，這使得經(jīng)典的貝葉斯濾波算法在上述情形中具有局限性；為了解決

2、上述問題，本文在這兩方面展開了較為深入的研究。
　　特別的，本文將目標(biāo)跟蹤問題歸類為良好檢測條件下和非良好檢測條件下的狀態(tài)估計問題。在良好檢測條件下，本文研究了基于后驗概率密度一致性的分布式估計算法，并分析了協(xié)方差嵌入數(shù)據(jù)融合和基于信息散度的一致性估計之間的聯(lián)系，在純方位跟蹤情形下的數(shù)值分析證明了該算法的有效性。在非良好檢測條件下，本文在隨機(jī)有限集框架下研究了多傳感器目標(biāo)跟蹤問題，利用序貫似然函數(shù)更新，實現(xiàn)了多傳感器伯努利粒子濾波