亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于QMC-APF的檢測(cè)前跟蹤算法

        2015-01-01 03:19:46郭云飛唐學(xué)大駱吉安邵根富
        現(xiàn)代雷達(dá) 2015年2期
        關(guān)鍵詞:存儲(chǔ)量數(shù)目信噪比

        郭云飛,唐學(xué)大,駱吉安,邵根富

        (1.通信信息傳輸與融合技術(shù)國防重點(diǎn)學(xué)科實(shí)驗(yàn)室, 杭州310018)

        (2.七一五研究所聲納技術(shù)國防科技重點(diǎn)實(shí)驗(yàn)室, 杭州310012)

        0 引言

        檢測(cè)前跟蹤(Tracking Before Detection,TBD)技術(shù)對(duì)單幀觀測(cè)圖像數(shù)據(jù)中目標(biāo)存在與否先不進(jìn)行判斷,而是先對(duì)多幀觀測(cè)中可能的目標(biāo)航跡進(jìn)行跟蹤,然后計(jì)算似然比并宣布檢測(cè)結(jié)果和目標(biāo)的航跡[1]。通過多幀數(shù)據(jù)的積累可以提高信噪比,因此比傳統(tǒng)的先檢測(cè)后跟蹤的方法更適合用于處理弱目標(biāo)的檢測(cè)與跟蹤問題。

        文獻(xiàn)[1]提出了基于粒子濾波(Particle Filter,PF)的TBD(PF-TBD)算法,相對(duì)于批處理方法該方法更適合處理實(shí)時(shí)問題。在PF-TBD的基礎(chǔ)上,胡洪濤等在文獻(xiàn)[2]中提出了基于輔助粒子濾波(APF)的TBD(APF-TBD)并將該算法應(yīng)用于檢測(cè)與跟蹤紅外弱小目標(biāo)。該算法引入一個(gè)重要性密度函數(shù),利用兩次加權(quán)操作對(duì)采樣重要性重采樣算法進(jìn)行改進(jìn),但是該算法存在計(jì)算量大的問題。為了減少粒子濾波算法中存在的計(jì)算量大的問題,文獻(xiàn)[3]中作者提出了擬蒙特卡羅方法并將其應(yīng)用到粒子濾波算法中,采用低差異序列將粒子映射到觀測(cè)區(qū)域,該算法能夠有效降低粒子間隙以及聚集程度,可以使用較少的粒子數(shù)獲得更具有代表性的粒子分布,降低計(jì)算量,李倩等將該方法應(yīng)用于紅外弱小目標(biāo)的跟蹤并取得了較好的跟蹤效果[4]。

        為了得到更加準(zhǔn)確的檢測(cè)概率以及較小的跟蹤誤差,PF-TBD算法通常使用的粒子數(shù)目較多,從而增加了計(jì)算量和存儲(chǔ)量,本文提出了一種基于擬蒙特卡羅(Quasi-Monte Carlo,QMC)的輔助粒子濾波檢測(cè)前跟蹤算法(QMC-APF-TBD),該算法采用確定性采樣策略,將初始粒子映射到整個(gè)觀測(cè)區(qū)域,使粒子分布比偽隨機(jī)方法得到的粒子分布更加均勻[5-6],同時(shí)采用APF算法進(jìn)行濾波,在保證檢測(cè)與跟蹤性能的同時(shí)減少粒子數(shù),降低計(jì)算量。

        1 檢測(cè)前跟蹤建模

        本文主要研究的是復(fù)雜背景下單個(gè)弱目標(biāo)的檢測(cè)與跟蹤,根據(jù)文獻(xiàn)[7-8]中方法建立雷達(dá)傳感器觀測(cè)模型,則k時(shí)刻目標(biāo)的狀態(tài)xk可描述為xk=[xk,xk',yk'],其中(xk,yk)為 k時(shí)刻目標(biāo)在 x,y方向的位置,(xk',yk')為k時(shí)刻目標(biāo)在x,y方向的速度;用Ek表示k時(shí)刻目標(biāo)的存在狀態(tài)

        式中:P為目標(biāo)信號(hào)強(qiáng)度。

        2 QMCAPF-TBD算法

        QMCAPF-TBD算法能夠通過低差異序列將粒子均勻的映射到雷達(dá)觀測(cè)區(qū)域,避免粒子聚集現(xiàn)象,使用較少的粒子獲得更具有代表性的樣本。擬蒙特卡羅方法的引入可以減少粒子濾波算法中所使用的粒子數(shù)目,減少計(jì)算量和存儲(chǔ)量;輔助粒子濾波算法[9]通過引入一個(gè)重要性密度函數(shù)利用了當(dāng)前時(shí)刻的量測(cè)信息,通過兩次加權(quán),使得濾波算法比常用的SIR算法更加有效,增強(qiáng)了算法的可靠性。假設(shè)粒子初始分布概率密度p(x0)已知,粒子數(shù)為N,QMCAPF-TBD算法步驟如下:

        3 仿真結(jié)果分析

        針對(duì)某一單目標(biāo)勻速運(yùn)動(dòng)場(chǎng)景,分別采用四種TBD算法進(jìn)行實(shí)驗(yàn)仿真。仿真時(shí)間為30 s,目標(biāo)在第7 s出現(xiàn),第24 s目標(biāo)消失,目標(biāo)存在17 s。

        圖1中a)、b)和c)為在 SNR=6 dB,粒子數(shù)分別為1 000、500和100時(shí),四種算法的檢測(cè)概率,圖2中a)、b)和c)分別為相應(yīng)的RMSE。當(dāng)檢測(cè)概率達(dá)到0.8時(shí)我們認(rèn)為檢測(cè)到目標(biāo),當(dāng)N=1 000時(shí),四種算法都能及時(shí)準(zhǔn)確地檢測(cè)到目標(biāo)并且穩(wěn)定在一個(gè)較高的值,其相應(yīng)的RMSE均較小,四種算法幾乎沒有差別;當(dāng)N=500時(shí),四種算法仍然能夠及時(shí)準(zhǔn)確的檢測(cè)與跟蹤目標(biāo),但是存在1個(gè)時(shí)刻的延遲并且PF-TBD算法的檢測(cè)概率在達(dá)到較高的值后存在波動(dòng);當(dāng)N=100,PF-TBD算法存在5個(gè)時(shí)刻的延遲,QMCPF-TBD和APF-TBD算法存在3個(gè)時(shí)刻的延遲,而QMCAPFTBD算法有2個(gè)時(shí)刻的延遲。

        圖1 不同粒子數(shù)目條件下的檢測(cè)概率

        圖2 不同粒子數(shù)目條件下的RMSE

        圖3中a)、b)和c)分別為PF-TBD、QMCPF-TBD、APF-TBD和QMC-APF-TBD四種算法在不同粒子數(shù)目下的平均檢測(cè)概率隨信噪比增大的變化情況:隨著信噪比的增大,四種算法的檢測(cè)概率不斷增大,最后穩(wěn)定在一個(gè)比較高的值;N=1 000時(shí),能檢測(cè)到的最小信噪比均為4~4.5之間,且四種算法性能相差不大。隨著粒子數(shù)的減少,四種算法的檢測(cè)概率均有所降低,當(dāng)粒子數(shù)變?yōu)?00時(shí),只有QMCAPF-TBD算法所能檢測(cè)的最小信噪比在4.5~5之間,其余三種算法在6 dB左右。仿真表明:隨著粒子數(shù)的減少,四種算法都產(chǎn)生了一定的延遲,并且能夠檢測(cè)的最小信噪比也有一定的上升,但是對(duì)QMC-APF-TBD算法的檢測(cè)性能影響最小,對(duì)PF-TBD算法的性能影響最大。

        計(jì)算機(jī)參數(shù):Microsoft Windows XP Professional;版本:2002 Service Pack 3;Pentium(R)Dual-Core CPU E5300@2.60 GHz;內(nèi)存2.00 GB。在該條件下不同粒子數(shù)目下算法的單幀處理時(shí)間如表1所示。

        表1 不同粒子數(shù)目下算法的單幀處理時(shí)間 s

        結(jié)合圖1、圖2和圖3的仿真結(jié)果,隨著粒子數(shù)目的減小,PF-TBD算法的檢測(cè)概率變化較大,而QMCAPF-TBD算法的檢測(cè)概率變化不大,在粒子數(shù)較小時(shí)仍然能夠在較短的時(shí)間內(nèi)達(dá)到較高的檢測(cè)該率。QMCAPF-TBD算法可以有效減少粒子數(shù),降低算法的計(jì)算量和存儲(chǔ)量。從表1中可以看到,粒子數(shù)相同時(shí)QMC-APF-TBD算法的單幀處理時(shí)間最長,因此該算法是以單幀處理時(shí)間為代價(jià)換取較低的計(jì)算量和存儲(chǔ)量。

        4 結(jié)束語

        本文針對(duì)PF-TBD算法中存在的粒子數(shù)目多計(jì)算量和存儲(chǔ)量大的問題,提出了QMC-APF-TBD算法,實(shí)驗(yàn)仿真表明,在對(duì)低信噪比環(huán)境下單個(gè)勻速運(yùn)動(dòng)的目標(biāo)進(jìn)行檢測(cè)與跟蹤,本文提出的算法能夠較好的解決由于粒子數(shù)目減少導(dǎo)致的檢測(cè)與跟蹤性能下降的問題,達(dá)到降低算法的計(jì)算量和存儲(chǔ)量目的。

        [1]Salmond D J,Birch H.A particle filter for track-before-detect[C]//IEEE Proceedings of the American Control Conference.[S.l.]:IEEE Press,2001(5):3755-3760.

        [2]胡洪濤,敬忠良,胡士強(qiáng).基于輔助粒子濾波的紅外弱小目標(biāo)的檢測(cè)前跟蹤算法[J].控制與決策,2005,20(11):1208-1211.Hu Hongtao,Jing Zhongliang,Hu Shiqiang.Auxiliary particle filter solution to track-before-detect for small infrared targets[J].Control and Decision,2005,20(11):1208-1211.

        [3]Huang D M,Pan Q.A new nonlinear filter algo-rithm based on QMC quadrature[C]//2008 International Conference on Computer Science and Software Engineering.Wuhan:IEEE Press,2008:190-193.

        [4]李 倩,姬紅兵,郭 輝.擬蒙特卡羅-高斯粒子濾波算法研究及其硬件實(shí)現(xiàn)[J].電子與信息學(xué)報(bào),2010,32(7):1737-1741.Li Qian,Ji Hongbing,Guo Hui.Research and hardware implementation of quasi-Monte-Carlo Gaussian particle filter[J].Journal of Electronics& Information Technology,2010,32(7):1737-1741.

        [5]Zhao Lingling,Ma Peijun,Su Xiaohong.Multiresolutional quasi-Monte Carlo-based particle filters[C]//IEEE International Conference on Intelligent Computing and Intelligent Systems.Shanghai:IEEE Press,2009:433-437.

        [6]Lin G H,Xu H F,Masao F.Monte carlo and quasi-monte carlo sampling methods for a class of stochastic mathematical programs with equilibrium constraints[J].Mathematical Methods of Operations Research,2008,67(3):423-441.

        [7]Boers Y,Driessen J N.Multitarget particle filter track before detect application[J].IEE Proc Radar Sonar Navigation,2004,151(6):351-357.

        [8]Boers Y,Driessen H.A particle-filter-based detection scheme[J].IEEE Signal Processing Letters,2003,10(10):300-302.

        [9]Pitt M K,Shephard N.Filtering via simulation:auxiliary particle filters[J].Journal of the American statistical association,1999,94(446):590-599.

        [10]Boers Y,Driessen H.A particle-filter-based detection scheme[J].IEEE Signal Processing Letters,2003,10(10):300-302.

        猜你喜歡
        存儲(chǔ)量數(shù)目信噪比
        有機(jī)物“同分異構(gòu)體”數(shù)目的判斷方法
        基于深度學(xué)習(xí)的無人機(jī)數(shù)據(jù)鏈信噪比估計(jì)算法
        低信噪比下LFMCW信號(hào)調(diào)頻參數(shù)估計(jì)
        低信噪比下基于Hough變換的前視陣列SAR稀疏三維成像
        汽車零部件中轉(zhuǎn)庫房存儲(chǔ)量仿真算法研究
        臥式氨儲(chǔ)罐儲(chǔ)氨量計(jì)算
        《哲對(duì)寧諾爾》方劑數(shù)目統(tǒng)計(jì)研究
        牧場(chǎng)里的馬
        銀川將建國內(nèi)最大存儲(chǔ)量臍帶血庫
        新西部(2015年1期)2015-07-31 18:13:42
        保持信噪比的相位分解反褶積方法研究
        日本激情网站中文字幕| 天天射色综合| 一本大道综合久久丝袜精品| 粉嫩极品国产在线观看免费一区| 欧美xxxx做受欧美| 亚洲综合色成在线播放| 人妻无码中文专区久久AV| 国产人妖在线视频网站| 一本色道久久综合狠狠躁篇| 无尽动漫性视频╳╳╳3d| 国产福利美女小视频| 国产一区资源在线播放| 777精品出轨人妻国产| 装睡被陌生人摸出水好爽| 中文国产成人精品久久一区| 一区二区午夜视频在线观看| 国产乱妇无码大片在线观看 | 国产98在线 | 免费| 97久久成人国产精品免费| 精品国产一区二区三区av麻| 永久黄网站免费视频性色| 91精品视品在线播放| 午夜亚洲精品视频网站| 日韩精品综合一本久道在线视频 | 亚洲一区二区三区99区| 亚洲日本国产精品久久| 国产精品无圣光一区二区| 一本一本久久久久a久久综合激情| 亚洲天堂av在线免费播放| 国产精品人人做人人爽人人添 | 好男人日本社区www| 久久露脸国产精品WWW| 日韩精品极视频在线观看免费 | 日韩亚洲欧美精品| 日本免费看片一区二区三区| 国产乱人激情h在线观看| 亚洲国产一区二区三区网| 日本一曲二曲三曲在线| 天天摸天天做天天爽水多| 97一区二区国产好的精华液| 免费人成黄页网站在线观看国内|