检索结果-维普期刊中文期刊服务平台

基于交互多模型的分组δ-广义标签多伯努利算法被引量：4: 1; 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

δ-广义标签多伯努利滤波算法的非线性扩展被引量：1: 2; 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

基于δ-广义标签多贝努利的群分裂算法被引量：1: 3; 作者马艳琴甘林海王刚《现代雷达》 CSCD 北大核心 2018年第12期46-51,共6页; 群分裂是群目标的重要运动形式,基本的广义标签多贝努利(GLMB)滤波器计算复杂,且只对存活和新生目标建模,不能有效描述群分裂运动。针对此问题,在δ-GLMB滤波算法的基础上建立群分裂模型,通过最小化Kullback-Leibler散度(KL-DIV)的方法... 展开更多; 关键词群目标分裂 δ-广义标签多贝努利算法 Kullback—Leibler散度伽马高斯逆威夏特; 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: 4; 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

一步数据关联GLMB扩展目标跟踪算法被引量：6: 5; 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

非线性量测下的机动多目标跟踪: 6; 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

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：4: 1; 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δ-广义标签多伯努利滤波算法的非线性扩展被引量：1: 2; 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

题名基于δ-广义标签多贝努利的群分裂算法被引量：1: 3; 作者马艳琴甘林海王刚; 机构南京电子技术研究所空军工程大学研究生院空军工程大学防空反导学院; 出处《现代雷达》 CSCD 北大核心 2018年第12期46-51,共6页; 文摘群分裂是群目标的重要运动形式,基本的广义标签多贝努利(GLMB)滤波器计算复杂,且只对存活和新生目标建模,不能有效描述群分裂运动。针对此问题,在δ-GLMB滤波算法的基础上建立群分裂模型,通过最小化Kullback-Leibler散度(KL-DIV)的方法近似目标真实密度分布,推导了一种考虑群分裂的GGIW-δ-GLMB滤波算法。仿真实验表明,该算法能够较好地跟踪群分裂运动。; 关键词群目标分裂 δ-广义标签多贝努利算法 Kullback—Leibler散度伽马高斯逆威夏特; Keywords group target splitting δ-generalized labeled multi-Bernoulli Kullback-Leibler divergence Gamma Gaussian inverse Wishart; 分类号 TN957.52 [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: 4; 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

题名一步数据关联GLMB扩展目标跟踪算法被引量：6: 5; 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

题名非线性量测下的机动多目标跟踪: 6; 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	作者	出处	发文年	被引量	操作
1	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	4	在线阅读下载PDF 职称材料
2	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
3	基于δ-广义标签多贝努利的群分裂算法	马艳琴甘林海王刚	《现代雷达》 CSCD 北大核心	2018	1	在线阅读下载PDF 职称材料
4	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
5	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
6	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