僅使用角度追蹤目標物的交互性多模型延展卡爾曼與粒子濾波器

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：15

、訪客IP：18.225.56.194

姓名

范夢葳(Meng-wei Fan) 查詢紙本館藏

畢業系所

通訊工程學系

論文名稱

僅使用角度追蹤目標物的交互性多模型延展卡爾曼與粒子濾波器
(Bearing-Only Mobile Tracking with IMM Kalman and Particle Filtering)

相關論文

★ 利用二元關聯法之簡易指紋辨識	★ 使用MMSE等化器的Filterbank OFDM系統探討
★ Kalman Filtering應用於可適性載波同步系統之研究	★ 無線區域網路之MIMO-OFDM系統設計與電路實現
★ 包含通道追蹤之IEEE 802.11a接收機設計與電路實現	★ 時變通道下的OFDM傳輸系統設計: 基於IEEE 802.11a標準
★ MIMO-OFDM系統各天線間載波頻率偏差之探討與收發機硬體實現	★ 使用雜散式領航訊號之DVB-T系統通道估測演算法與電路實現
★ 數位地面視訊廣播系統同步模組之設計與電路實現	★ 適用於移動式正交分頻多工通訊系統的改良型時域通道響應追蹤演算法
★ 正交分頻多工系統通道估測基於可適性模型化通道參數估測	★ 以共同項載波頻率偏移補償於正交分頻多重存取系統中減少多重存取干擾之方法
★ 正交分頻多工系統之資料訊號裁剪雜訊消除	★ 適用於正交分頻多工通訊系統的改良型決策反饋之卡爾曼濾波通道估測器
★ 半盲目通道追蹤演算法使用於正交分頻多工系統	★ 正交分頻多重存取以共同項載波頻率偏移補償以達到最小均方誤差之方法

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

在無線通訊應用中提供車輛的移動位置估計服務是個很重要的課題，一些典型的方法為基地台(Base Station, BS) 藉由融合到達時間(Time of Arrival, TOA) 以及接收訊號強度(Received Signal　Strength, RSS) 等數據來對目標物作位置估計，雖然TOA/RSS 方法不用昂貴的成本，但是對多重路徑的傳播效應卻相當的敏感，而到達角度(Angle of Arrival, AOA) 的技術呈現快速的進步中，於是我們轉而考慮使用AOA 來對目標物作追蹤。在本篇論文中，我們利用交互性多模型(Interacting Multiple Model, IMM) 的延展型卡爾曼濾波器(Extended Kalman Filter, EKF) 與粒子濾波器(Particle Filter,　PF)，僅使用角度來對擁有三種運動模型的目標物作追蹤，因為目標物行走在街道上時常伴隨著轉彎的行為，於是我們加入了轉彎模型來改善追蹤的性能，我們也提出了一個新的重新取樣的方法來改善IMMPF 的粒子退化問題。此外，我們提出了目標物在無線基地台感知網路中長途行走時，改變鄰近基地台來對目標物追蹤的方法。在系統模擬中，三個模型的IMMPF 的效能會優於三個模型的IMMEKF，並且IMMPF 的均方根(Root Mean Square, RMS)位置追蹤誤差會相當接近Cramer-Rao Lower bound (CRLB)。

摘要(英)

Mobile location estimation is important to offer vehicular services in wireless communication applications. Some typical methods realize mobile tracking with the data fusion of the time of arrival (TOA) and received signal strength (RSS) measurements provided by base stations (BSs). Although the TOA/RSS method is not expensive under a concern of cost, it is very sensitive to multipath signal propagation effects. As the technology of the angle of arrival (AOA) antennas is showing rapid progress, we turn to consider AOA estimation. In this work, the nonlinear extended Kalman filter (EKF) and the particle filter (PF) along with a three models interacting multiple model (IMM) algorithm are utilized and compared for maneuvering mobile station (MS) tracking with bearingsonly measurements. A coordinated turn model is used to improve the tracking performance since the MS frequently turns in the streets. We propose a new particles resampling method to alleviate the degeneracy
effect of particles propagation in the IMMPF algorithm. Besides, a BSs selection method is also proposed for the long-haul MS tracking case that needs to change BSs in a wireless BS sensor network. Numerical simulations show that the three-model IMMPF algorithm outperforms the IMMEKF algorithm and achieves a root mean square (RMS) position
tracking error performance which is quite close to the posterior Cramer-Rao Lower bound (CRLB).

關鍵字(中)

★ 粒子濾波器
★ 卡爾曼濾波器
★ 目標物追蹤
★ 交互性多模型

關鍵字(英)

★ Kalman Filtering
★ Particle Filtering
★ IMM
★ Mobile Tracking

論文目次

中文摘要. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
英文摘要. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
目錄. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . i
圖目錄. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ii
表目錄. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
第1 章序論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 前言. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 章節架構. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
第2 章系統的動態與測量模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1 系統模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.1 動態模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2 測量模型. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
第3 章對於目標物追蹤的非線性交互性多模型演算法. . . . . . . . . . . . . . . . . . . . 10
3.1 延展型卡爾曼濾波器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.2 粒子濾波器. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 交互性多模型濾波方法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.3.1 交互性多模型延展型卡爾曼濾波器. . . . . . . . . . . . . . . . . . . 16
3.3.2 交互性多模型粒子濾波器. . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 動態基地台選擇方法. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
第4 章CRAM′ER-RAO LOWER BOUNDS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
第5 章系統模擬與結果分析. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.1 系統模擬參數. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
5.2 模擬結果與討論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
第6 章結論. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
參考文獻. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44

參考文獻

[1] B.-S. Chen, C.-Y. Yang, F.-K. Liao, and J.-F. Liao, “Mobile location estimator in a rough wireless environment using extended kalmanbased imm and data fusion,”Vehicular Technology, IEEE Transactions on, vol. 58, no. 3, pp. 1157 –1169, march 2009.
[2] Y. Boers and J. Driessen, “Interacting multiple model particle filter,” Radar, Sonar and Navigation, IEE Proceedings -, vol. 150, no. 5, pp. 344 –349, oct. 2003.
[3] R. Guo, Z. Qin, X. Li, and J. Chen, “Interacting multiple model particle-type filtering approaches to ground target tracking,”Journal of Computers, vol. 3, pp. 23–30, 2008.
[4] Blackman and S. S., Design and Analysis of Modern Tracking Systems, 1999.
[5] G. A. Watson and W. D. Blair, “Imm algorithm for tracking targets that maneuver through coordinated turns,”Proc. Signal and Data Processing of Small Target 1992, Proc. SPIE, vol. 1698, pp. 236–247, 1992.
[6] J. V. Candy, Bayesian Signal Processing: Classical, Modern and Particle Filtering Methods, 2009.
[7] A. S. and R. B., “Comparison of the particle filter with rangeparameterized and modified polar ekfs for angle-only tracking,”in Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series, ser. Society of Photo-Optical Instrumentation Engineers (SPIE) Conference Series, O. E. Drummond, Ed., vol. 4048, Jul.
2000, pp. 288–299.
[8] M. S. Arulampalam, B. Ristic, N. Gordon, and T. Mansell,
“Bearings-only tracking of manoeuvring targets using particle filters,”EURASIP Journal on Advances in Signal Processing,vol. 2004, no. 15, p. 562960, 2004. [Online]. Available: http://asp.eurasipjournals.com/content/2004/15/562960
[9] P. Tichavsky, C. Muravchik, and A. Nehorai, “Posterior cramerrao bounds for discrete-time nonlinear filtering,”Signal Processing, IEEE Transactions on, vol. 46, no. 5, pp. 1386 –1396, may 1998.

指導教授

張大中(Dah-chung Chang)

審核日期

2012-8-28

推文