基于神经网络的椭圆扩展目标形态估计.pdf
《基于神经网络的椭圆扩展目标形态估计.pdf》由会员分享,可在线阅读,更多相关《基于神经网络的椭圆扩展目标形态估计.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 卷 第 期兵 器 装 备 工 程 学 报 年 月 收稿日期:修回日期:基金项目:国家自然科学基金项目()作者简介:陈训成()男硕士研究生:.通信作者:戚国庆()男博士副研究员:.:./.基于神经网络的椭圆扩展目标形态估计陈训成戚国庆亓俊杰李银伢盛安冬(.南京理工大学 自动化学院 南京.上海精密计量测试研究所 上海)摘要:针对复杂环境下由稀疏量测引起的椭圆扩展目标形态估计精度低的问题提出了一种基于神经网络的形态估计方法 利用神经网络对目标量测进行处理估计出椭圆扩展目标的轴长然后结合卡尔曼滤波算法实现目标的跟踪 仿真实验结果表明通过与基于随机矩阵、乘性误差以及卷积神经网络等模型的算法相比所提算
2、法的跟踪性能有显著改进关键词:扩展目标跟踪神经网络卡尔曼滤波形态估计本文引用格式:陈训成戚国庆亓俊杰等.基于神经网络的椭圆扩展目标形态估计.兵器装备工程学报():.:.():.中图分类号:文献标识码:文章编号:()(.):.:引言在传统的目标跟踪算法中目标一般被视为点目标 随着传感器分辨率的不断提高目标在每一时刻可以产生多个量测利用这些量测不仅可以估计出目标的运动状态还可以提取出目标的扩展信息(如大小、方向、形状等)目标描述由传统的点目标演化为扩展目标 相关学者为描述扩展目标的形态特征提出采用椭圆、矩形、棍形等对扩展目标进行外形建模针对椭圆扩展目标广泛使用的是 提出的随机矩阵()模型多名学者对
3、其进行了大量研究并提出了多种改进算法 文献提出了一种基于乘法误差模型的扩展卡尔曼滤波器它对量测值进行顺序处理并通过乘法误差模型对其在椭圆上的分布进行建模如今神经网络被广泛应用于目标的检测与跟踪 如文献提出了基于支持向量机和卷积神经网络的目标跟踪算法文献将深度学习算法与基于高斯过程的扩展目标跟踪器相结合对目标进行分类处理文献 将循环神经网络用于激光雷达数据下的多目标跟踪文献提出了一种基于卷积神经网络的扩展目标形状估计方法但是估计精度受到所选缩放参数的影响较大椭圆扩展目标的各个量测是由分布在扩展目标表面的不同散射点(量测源)产生的一般假设这些散射点在目标表面服从均匀分布 传感器根据目标表面均匀分布
4、的散射点提供多个量测值(如图()所示)然而在实际的复杂环境中由于受到杂波和噪声干扰以及传感器自身分辨率受限等因素的影响使得这些散射点是部分可分辨的从而产生稀疏量测的问题(如图()所示)传统的扩展目标跟踪算法往往需要大量量测来精确估计目标的运动状态和扩展形态而可用量测的稀疏性会导致扩展目标跟踪性能的下降图 扩展目标多散射点量测及稀疏量测.针对上述问题本文中提出了一种基于神经网络的椭圆扩展目标形状参数估计方法将神经网络与卡尔曼滤波算法相结合实现了扩展目标的精确跟踪 通过模拟仿真实验分析了该方法的跟踪性能并与现有的扩展目标跟踪算法相比较仿真结果表明该方法能实现扩展目标的稳定跟踪且具有更好的跟踪性能
5、问题描述椭圆扩展目标的动态变化包含 个方面:质心运动状态和扩展形态随时间的演化 扩展形态由扩展目标轮廓外形椭圆方向角 以及轴长 和 共同描述 对于同一目标假设其椭圆外形主轴方向与其速度方向一致其轴长固定不变考虑如下线性系统:()式()中:为状态向量为量测向量 为状态转移矩阵 为量测矩阵过程噪声 服从均值为 方差为 的正态分布 假设量测源均匀分布在椭圆物体表面并使用正态分布来近似均匀分布考虑到实际的量测噪声参考文献将噪声 建模成方差为 的正态分布即()()式()中:为量测噪声协方差 为当前时刻椭圆外形的描述矩阵即()()()()其中()为旋转矩阵即()()()()()()是描述扩展目标表面散射中
6、心分布的标量参数当量测维度为 时一般取 /目标的状态向量 ()和 分别为目标的位置分量和分别为目标的速度分量 因此量测矩阵 为()椭圆扩展目标跟踪算法如图 所示本文中所提算法可分为 个模块 第 个模块实现运动状态估计利用卡尔曼滤波算法更新目标的运动状态第 个模块用于估计目标椭圆扩展外形方向角基于目标速度方向与其主轴方向一致的假设利用更新后的运动状态计算方向角第 个模块解决目标形态参数估计的问题使用神经网络推断椭圆轴长 和 对于每一时刻获取的数目不等的量测经过预处理后可直接输入神经网络其输出即为估计得到的椭圆轴长 和 图 扩展目标跟踪算法总体框架.陈训成等:基于神经网络的椭圆扩展目标形态估计.运
7、动状态估计状态向量包括两维的位置向量和两维的速度向量根据卡尔曼滤波算法目标运动状态预测值以及预测误差方差为 ()()由式()可知每个量测包含了二维的位置信息假设 时刻的量测集为 为 时刻量测个数则运动状态的更新为()()()()()()()()其中为量测均值即()方向角可由下式计算得到:()需要注意的是卡尔曼滤波进行第 次状态更新时还未进行椭圆形状参数估计此时无法计算 因此使用 近似.基于神经网络的形态估计在利用神经网络估计扩展目标外形参数之前需要先对采集到的量测数据进行预处理这一过程主要包括 个步骤 首先所有新采集到的数据都需要以状态估计后的目标质心位置为中心即 ()其次在目标速度方向与椭圆
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 神经网络 椭圆 扩展 目标 形态 估计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。