摘要
针对双传感器概率假设密度(PHD)理论的解析实现进行研究。Mahler给出的双传感器PHD理论,由于其中含有抽象的多目标积分,并且其中的二元分割过程计算量十分巨大,所以无法计算机实现。文中在线性高斯混合的假设条件下给出了严格双传感器PHD滤波的递推解析公式,并且通过提出"有效二元分割"算法极大降低了严格理论意义下的双传感器PHD算法的计算复杂度,从而解决了双传感器PHD滤波的计算实现问题。计算机模拟仿真验证了所提出算法的有效性。
The analytic suboptimum solution of the multi-sensor probability hypothesis density （MS-PHD） filter is studied.For the theoretically rigorous MS-PHD filter due to R.Mahler,because it contains the abstract multiple target integral,and the binary segmentation process calculation burden is very heavy,the filter is impossible to implement on computer.Under the linear Gaussian assumptions,an analytic suboptimum solution is given for the theoretically rigorous MS-PHD filter.Furthermore,a method,named ＂Effective Binary Partition （EBP）＂,is proposed for limiting the number of considered partitions to reduce the computational complexity.The EBP method makes it possible to implement the exact MS-PHD filter formulas on computer.Finally,the validity of the proposed algorithm is demonstrated by numerical simulations.
出处
《现代雷达》
CSCD
北大核心
2014年第4期34-41,共8页
Modern Radar
基金
中国博士后科学基金资助项目(2013M541643)
关键词
多目标跟踪
多传感器
概率假设密度滤波
有效二元分割
multi-object tracking
multi-sensor
probability hypothesis density filter
reffective ninary partition
作者简介
通讯作者：许建 男,1979年生,博士,工程师.研究方向为多传感器数据融合,声阵列信号处理,无线传感器网络中的数据融合.Email：xujian2001—1@163．com
黄放明 男,1959年生,研究员级高级工程师.研究方向为系统设计技术与信息处理技术.
贲德 男,1938年生,中国工程院院士.南京航空航天大学电子信息工程学院院长,教授,博士生导师.研究方向为雷达信号处理、新体制雷达等.
