检索结果-维普期刊中文期刊服务平台

δ-广义标签多伯努利滤波算法的非线性扩展被引量：1: 1; 作者齐美彬胡晶晶 +1 位作者程佩琳靳学明《系统工程与电子技术》 EI CSCD 北大核心 2021年第12期3571-3578,共8页; 针对高斯混合(Gaussian mixture,GM)实现的变分贝叶斯-δ-广义标签多伯努利(variational Bayesian-δ-generalized labeled multi-Bernoulli,VB-δ-GLMB)滤波算法在非线性场景下跟踪性能较低这一问题,结合基于临近点算法(proximal point... 展开更多; 关键词 δ-广义标签多伯努利算法非线性模型容积卡尔曼滤波临近点算法变分贝叶斯近似; 在线阅读下载PDF 职称材料

闪烁噪声统计特性未知情况下的鲁棒广义标签多伯努利滤波器被引量：3: 2; 作者侯利明连峰 +1 位作者谭顺成徐从安《电子学报》 EI CAS CSCD 北大核心 2021年第7期1346-1353,共8页; 为了解决闪烁噪声统计特性未知情况下的多目标跟踪问题,提出一种鲁棒广义标签多伯努利(Generalized Labeled Multi⁃Bernoulli,GLMB)滤波器.该滤波器采用均值未知且时变的多维Student’s t分布对统计特性未知的闪烁噪声进行建模.它放宽... 展开更多; 关键词随机有限集多目标跟踪闪烁噪声统计特性未知变分贝叶斯推断广义标签多伯努利滤波器; 在线阅读下载PDF 职称材料

基于交互多模型的分组δ-广义标签多伯努利算法被引量：3: 3; 作者辛怀声曹晨《系统工程与电子技术》 EI CSCD 北大核心 2022年第4期1128-1138,共11页; 为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤... 展开更多; 关键词随机有限集 δ-广义标签多伯努利滤波器多目标跟踪交互多模型; 在线阅读下载PDF 职称材料

基于未知探测概率的RAG-GLMB多目标跟踪算法: 4; 作者邓宇浩李琳《中国惯性技术学报》 CSCD 北大核心 2024年第12期1191-1196,共6页; 针对未知探测概率的广义标签多伯努利(GLMB)滤波器性能下降问题,提出一种鲁棒自适应门限的广义标签多伯努利算法(RAG-GLMB)。通过采用自适应门限策略进行目标预测状态集与量测数据集的关联,判定目标探测状态,将未知探测概率转化为目标... 展开更多; 关键词多目标跟踪广义标签多伯努利滤波器自适应门限未知探测概率; 在线阅读下载PDF 职称材料

非线性量测下的机动多目标跟踪: 5; 作者国强任海宁 +1 位作者周凯戚连刚《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2024年第5期64-73,共10页; 为了解决非线性量测下机动多目标跟踪实时性差、跟踪误差大以及对杂波变化鲁棒性较差的问题,基于随机有限集理论,提出了一种采用量测转换和模糊算法改进的多模型δ-广义标签多伯努利滤波器。首先,推导了交互多模型的δ-GLMB滤波器,通过... 展开更多; 关键词非线性量测机动多目标 δ-广义标签多伯努利滤波器量测转换交互多模型模糊算法; 在线阅读下载PDF 职称材料

基于均方根容积卡尔曼的δ-GLMB多目标跟踪算法被引量：3: 6; 作者母晓慧杨风暴 +2 位作者刘哲陶晓伟张雅玲《计算机应用与软件》北大核心 2020年第4期164-170,共7页; 在非线性高杂波密度场景下,高斯混合(Gaussian Mixture,GM)实现的δ-广义标签多伯努利滤波器(δ-Generalized Labeled Multi-Bernoulli Filter,δ-GLMB)难以准确地估计目标数目及运动状态。针对这一问题,提出基于均方根容积卡尔曼滤波(S... 展开更多; 关键词非线性系统均方根容积卡尔曼 δ-广义标签多伯努利高斯混合多目标跟踪; 在线阅读下载PDF 职称材料

低空监视雷达“走-停-走”目标跟踪技术被引量：2: 7; 作者徐开明王佰录 +2 位作者李溯琪邓云凯王经鹤《雷达学报（中英文）》 EI CSCD 北大核心 2022年第3期443-458,共16页; 以旋翼无人机为代表的低空小目标常采用低速“走-停”策略或利用障碍物遮挡,躲避雷达追踪,对重要信息装备和战略要地进行点穴式打击或干扰。这类目标可多次消失-重返于雷达视域,称之“走-停-走”目标。若采用传统目标跟踪模型和算法处... 展开更多; 关键词低空监视雷达 “走-停-走”目标跟踪随机集理论重生过程模型标签多伯努利滤波器; 在线阅读下载PDF 职称材料

一步数据关联GLMB扩展目标跟踪算法被引量：6: 8; 作者李翠芸李洋 +1 位作者姬红兵石仁政《西安电子科技大学学报》 EI CAS CSCD 北大核心 2020年第5期137-143,共7页; 针对传统的扩展目标跟踪算法在目标近邻场景中由于量测不可分导致跟踪性能下降的问题,提出了一种基于一步数据关联的扩展目标跟踪算法。该算法用乘性噪声模型对目标进行建模,将联合概率数据关联理论中的一步数据关联处理方法与广义标签... 展开更多; 关键词扩展目标跟踪乘性噪声模型二阶扩展卡尔曼滤波算法数据关联广义标签多伯努利滤波器; 在线阅读下载PDF 职称材料

题名δ-广义标签多伯努利滤波算法的非线性扩展被引量：1: 1; 作者齐美彬胡晶晶程佩琳靳学明; 机构合肥工业大学计算机与信息学院中国电子科技集团第; 出处《系统工程与电子技术》 EI CSCD 北大核心 2021年第12期3571-3578,共8页; 基金国家自然科学基金(61771180)资助课题。; 文摘针对高斯混合(Gaussian mixture,GM)实现的变分贝叶斯-δ-广义标签多伯努利(variational Bayesian-δ-generalized labeled multi-Bernoulli,VB-δ-GLMB)滤波算法在非线性场景下跟踪性能较低这一问题,结合基于临近点算法(proximal point algorithm,PPA)和变分贝叶斯(variational Bayesian,VB)的迭代优化与容积卡尔曼滤波(cubature Kalman filtering,CKF),提出一种适用于非线性模型的机动多目标跟踪算法。该算法在GM-VB-δ-GLMB的基础上采用逆伽马(inverse-Gamma,IG)和高斯乘积混合分布近似量测噪声协方差和状态联合后验分布;利用PPA-CKF-VB(PCKF-VB)方法对传递过程中的高斯项参数进行预测更新;最后为提高滤波精度进行变分贝叶斯容积RTS(VB cubature Rauch-Tung-Striebel,VB-CRTS)平滑。仿真结果表明,对于量测噪声未知的非线性系统,所提的算法与现有的VB-δ-GLMB算法相比目标跟踪精度有显著提高。; 关键词 δ-广义标签多伯努利算法非线性模型容积卡尔曼滤波临近点算法变分贝叶斯近似; Keywords δ-generalized labeled multi-Bernoulli(δ-GLMB)algorithm nonlinear model cubature Kalman filter(CKF) proximal point algorithm variational Bayesian approximation; 分类号 TN953 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名闪烁噪声统计特性未知情况下的鲁棒广义标签多伯努利滤波器被引量：3: 2; 作者侯利明连峰谭顺成徐从安; 机构西安交通大学自动化科学与工程学院综合自动化研究所南京电子技术研究所海军航空大学信息融合研究所; 出处《电子学报》 EI CAS CSCD 北大核心 2021年第7期1346-1353,共8页; 基金国家自然科学基金(No.61671462,No.61473217) 国家公派留学基金(No.201906280272) 陕西省自然科学基础研究计划(No.2020JQ⁃073)。; 文摘为了解决闪烁噪声统计特性未知情况下的多目标跟踪问题,提出一种鲁棒广义标签多伯努利(Generalized Labeled Multi⁃Bernoulli,GLMB)滤波器.该滤波器采用均值未知且时变的多维Student’s t分布对统计特性未知的闪烁噪声进行建模.它放宽了闪烁噪声均值为零的限制性假设,可以自适应地处理闪烁噪声均值未知且时变条件下的多目标跟踪问题.本文在GLMB滤波框架下,利用变分贝叶斯方法对增广状态中的参数进行变分迭代,并通过最小化Kullback⁃Leibler散度得到边缘似然函数的近似解.仿真结果表明,在闪烁噪声统计特性未知的情况下,所提滤波器能有效地对多目标进行跟踪.; 关键词随机有限集多目标跟踪闪烁噪声统计特性未知变分贝叶斯推断广义标签多伯努利滤波器; Keywords random finite set multi⁃target tracking glint noise unknown statistical characteristics variational Bayesian inference generalized labeled multi⁃Bernoulli filter; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于交互多模型的分组δ-广义标签多伯努利算法被引量：3: 3; 作者辛怀声曹晨; 机构中国电子科技集团公司电子科学研究院; 出处《系统工程与电子技术》 EI CSCD 北大核心 2022年第4期1128-1138,共11页; 文摘为了解决马尔科夫跳变系统广义标签多伯努利滤波器在多机动目标跟踪场景需要计算大量模式假设分支,并且需要频繁对假设分支进行剪枝,导致算法存在计算量过高并且影响跟踪精度的问题,提出一种基于交互多模型的分组δ-广义标签多伯努利滤波器。滤波器采用航迹分组策略,不同组的航迹独立进行关联映射与分支权重计算,降低了关联的计算复杂度,可以实现不同航迹组之间并行滤波。另外,为了处理机动目标场景引入交互多模型,给出基于交互多模型的分组滤波递推方程。仿真结果表明,所提出的滤波器跟踪精度更高,计算速度更快,可以用于跟踪多个机动目标的场景。; 关键词随机有限集 δ-广义标签多伯努利滤波器多目标跟踪交互多模型; Keywords random finite set(RFS) δ-generalized labeled multi-Bernoulli(δ-GLMB)filter multi target tracking(MTT) interacting multiple mode(IMM); 分类号 TN95 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于未知探测概率的RAG-GLMB多目标跟踪算法: 4; 作者邓宇浩李琳; 机构中国电子科技集团公司第三十八研究所; 出处《中国惯性技术学报》 CSCD 北大核心 2024年第12期1191-1196,共6页; 基金装备预先研究项目基金(61404130118)。; 文摘针对未知探测概率的广义标签多伯努利(GLMB)滤波器性能下降问题,提出一种鲁棒自适应门限的广义标签多伯努利算法(RAG-GLMB)。通过采用自适应门限策略进行目标预测状态集与量测数据集的关联,判定目标探测状态,将未知探测概率转化为目标存活问题;并设计比例因子提高实际探测概率较低时自适应门限方法鲁棒性。仿真结果表明,未知探测概率下,所提算法目标数估计正确率较传统GLMB算法高20.5%,最优子模式分配(OSPA)距离少7 m,且在量测数据部分丢失和强杂波背景下具有较好的鲁棒性。; 关键词多目标跟踪广义标签多伯努利滤波器自适应门限未知探测概率; Keywords multi-target tracking generalized labeled multi-Bernoulli filter adaptive gating unknown detection probability; 分类号 TP242.6 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名非线性量测下的机动多目标跟踪: 5; 作者国强任海宁周凯戚连刚; 机构哈尔滨工程大学信息与通信工程学院先进船舶通信与信息技术工业和信息化部重点实验室(哈尔滨工程大学); 出处《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2024年第5期64-73,共10页; 基金国家重点研发计划(2018YFE0206500) 国家自然科学基金(62071140) 中央高校基本科研业务费专项(3072022QBZ0801)。; 文摘为了解决非线性量测下机动多目标跟踪实时性差、跟踪误差大以及对杂波变化鲁棒性较差的问题,基于随机有限集理论,提出了一种采用量测转换和模糊算法改进的多模型δ-广义标签多伯努利滤波器。首先,推导了交互多模型的δ-GLMB滤波器,通过去相关无偏量测转换实现位置量测从极坐标系到笛卡尔坐标系的无偏转换,并通过预测值去除量测误差和其协方差的相关性造成的滤波估计偏差,实现了非线性场景下的机动多目标跟踪;然后,通过航迹和量测的关联新息以及目标的机动约束构建联合波门,降低了杂波量测的数量;最后引入改进的模糊算法,以目标的模型后验概率为输入,根据模型的分离程度自适应调节运动模型的过程噪声,增加滤波精度。研究结果表明:在杂波环境下,通过与CKF-JMS-δ-GLMB、CKF-IMM-δ-GLMB等非线性多模型滤波器对比,所提算法计算时间较小,且跟踪精度更高,鲁棒性强。所提算法避免了传统的非线性处理方式计算量较大的问题,并且具有较好的杂波抑制特性,提升了非线性量测下机动多目标跟踪的性能。; 关键词非线性量测机动多目标 δ-广义标签多伯努利滤波器量测转换交互多模型模糊算法; Keywords nonlinear measurements maneuvering multiple target δ-generalized labeled multi-Bernoulli(δ-GLMB) converted measurement interactive multiple model fuzzy algorithm; 分类号 TN953 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于均方根容积卡尔曼的δ-GLMB多目标跟踪算法被引量：3: 6; 作者母晓慧杨风暴刘哲陶晓伟张雅玲; 机构中北大学信息与通信工程学院; 出处《计算机应用与软件》北大核心 2020年第4期164-170,共7页; 基金国家自然科学基金项目(61702465) 中北大学研究生科技立项项目(20181532) 中北大学动态测试技术重点实验室开放基金项目(ZDSYSJ2015005)。; 文摘在非线性高杂波密度场景下,高斯混合(Gaussian Mixture,GM)实现的δ-广义标签多伯努利滤波器(δ-Generalized Labeled Multi-Bernoulli Filter,δ-GLMB)难以准确地估计目标数目及运动状态。针对这一问题,提出基于均方根容积卡尔曼滤波(Square-rooted Cubature Kalman Filter,SCKF)的δ-GLMB高斯混合实现算法。基于三阶球面-径向容积准则选取一组等权的容积点集,对GM-δ-GLMB滤波器的伯努利分量传递过程中的高斯参量进行预测及更新,实现非线性模型系统下的目标跟踪。仿真结果表明,与现有的δ-GLMB滤波器的扩展卡尔曼滤波(Extended Kalman Filter,EKF)高斯混合实现及无迹卡尔曼滤波(Unscented Kalman Filter,UKF)高斯混合实现相比,该算法可提高非线性高杂波密度环境下的目标跟踪精度。; 关键词非线性系统均方根容积卡尔曼 δ-广义标签多伯努利高斯混合多目标跟踪; Keywords Nonlinear system Square-rooted cubature Kalman δ-Generalized labeled multi-bernoulli Gaussian mixture Multi-targets tracking; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名低空监视雷达“走-停-走”目标跟踪技术被引量：2: 7; 作者徐开明王佰录李溯琪邓云凯王经鹤; 机构中国科学院空天信息创新研究院中国科学院大学电子电气与通信工程学院重庆大学微电子与通信工程学院; 出处《雷达学报（中英文）》 EI CSCD 北大核心 2022年第3期443-458,共16页; 基金国家自然科学基金(61901094) 中央高校基金(2021CDJJMRH-009) 重庆大学科研启动基金(02140011044134)。; 文摘以旋翼无人机为代表的低空小目标常采用低速“走-停”策略或利用障碍物遮挡,躲避雷达追踪,对重要信息装备和战略要地进行点穴式打击或干扰。这类目标可多次消失-重返于雷达视域,称之“走-停-走”目标。若采用传统目标跟踪模型和算法处理这类目标,易导致目标身份不连续、航迹碎片化。该文在随机集理论框架下,基于标签多伯努利(LMB)滤波器,研究低空监视雷达“走-停-走”目标连续跟踪问题。为描述“走-停-走”目标多次往返于雷达视域的演化特性,首次引入第3类出生目标模型,即重生(RB)过程模型。首先,利用目标重返雷达视域前-后目标状态的空间位置和动力学参数关系,提出一种基于空域相关(SC)的RB过程;然后,基于SC-RB过程,在贝叶斯滤波框架下,设计了SC-RB-LMB滤波器算法,可实现多“走-停-走”目标连续稳健跟踪,维持航迹标签的连续性;最后,在典型低空监视场景下,通过仿真和实测数据验证了提出模型和算法的有效性和性能优势。; 关键词低空监视雷达 “走-停-走”目标跟踪随机集理论重生过程模型标签多伯努利滤波器; Keywords Low-altitude surveillance radar Move-stop-move target tracking Random finite set statistics Rebirth procedure model LMB filter; 分类号 TN953 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名一步数据关联GLMB扩展目标跟踪算法被引量：6: 8; 作者李翠芸李洋姬红兵石仁政; 机构西安电子科技大学电子工程学院; 出处《西安电子科技大学学报》 EI CAS CSCD 北大核心 2020年第5期137-143,共7页; 基金国家自然科学基金(61871301)。; 文摘针对传统的扩展目标跟踪算法在目标近邻场景中由于量测不可分导致跟踪性能下降的问题,提出了一种基于一步数据关联的扩展目标跟踪算法。该算法用乘性噪声模型对目标进行建模,将联合概率数据关联理论中的一步数据关联处理方法与广义标签多伯努利滤波器相结合,实现在量测难以划分情况下的多扩展目标跟踪。仿真实验表明,该算法能够在交叉、近邻场景中实现对目标的有效跟踪,并且在估计精度方面优于传统的基于量测划分的扩展目标跟踪算法。; 关键词扩展目标跟踪乘性噪声模型二阶扩展卡尔曼滤波算法数据关联广义标签多伯努利滤波器; Keywords extended target tracking multiplicative noise model second-order extended kalman filtering data association generalized labeled multi-bernoulli filter; 分类号 TN953 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	δ-广义标签多伯努利滤波算法的非线性扩展	齐美彬胡晶晶程佩琳靳学明	《系统工程与电子技术》 EI CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
2	闪烁噪声统计特性未知情况下的鲁棒广义标签多伯努利滤波器	侯利明连峰谭顺成徐从安	《电子学报》 EI CAS CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
3	基于交互多模型的分组δ-广义标签多伯努利算法	辛怀声曹晨	《系统工程与电子技术》 EI CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
4	基于未知探测概率的RAG-GLMB多目标跟踪算法	邓宇浩李琳	《中国惯性技术学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	非线性量测下的机动多目标跟踪	国强任海宁周凯戚连刚	《哈尔滨工业大学学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
6	基于均方根容积卡尔曼的δ-GLMB多目标跟踪算法	母晓慧杨风暴刘哲陶晓伟张雅玲	《计算机应用与软件》北大核心	2020	3	在线阅读下载PDF 职称材料
7	低空监视雷达“走-停-走”目标跟踪技术	徐开明王佰录李溯琪邓云凯王经鹤	《雷达学报（中英文）》 EI CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
8	一步数据关联GLMB扩展目标跟踪算法	李翠芸李洋姬红兵石仁政	《西安电子科技大学学报》 EI CAS CSCD 北大核心	2020	6	在线阅读下载PDF 职称材料