针对多扩展目标跟踪问题,提出了基于泊松点过程( Poisson Point Process, PPP )模型的多扩展目标跟踪的联合概率数据关联( Joint Probabilistic Data Association, JPDA )算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关...针对多扩展目标跟踪问题,提出了基于泊松点过程( Poisson Point Process, PPP )模型的多扩展目标跟踪的联合概率数据关联( Joint Probabilistic Data Association, JPDA )算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联( Probability Data Association, PDA )的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。展开更多
针对传统三维扩展目标跟踪算法形状估计精度低的问题,提出了一种基于移动最小二乘的泊松多伯努利混合(Poisson multi-Bernoulli mixture based on the moving least square,MLS-PMBM)滤波跟踪算法。该算法基于MLS模型构建三维扩展目标...针对传统三维扩展目标跟踪算法形状估计精度低的问题,提出了一种基于移动最小二乘的泊松多伯努利混合(Poisson multi-Bernoulli mixture based on the moving least square,MLS-PMBM)滤波跟踪算法。该算法基于MLS模型构建三维扩展目标的形状矩阵,通过PMBM滤波器预测和更新目标的运动状态,利用移动最小二乘算法更新形状矩阵,结合目标质心状态与形状估计完成对三维扩展目标的跟踪。仿真实验与实际点云数据的验证表明,与现有算法相比,本文所提算法在多扩展目标的形状估计方面具有更优的性能,具有较高的泛用性。展开更多
针对复杂不确定性环境下具有不规则形状的多扩展目标跟踪问题,提出了一种基于星凸形随机超曲面模型(Starconvex RHM)的多扩展目标多伯努利滤波算法.首先,在有限集统计(Finite set statistics,FISST)理论框架下,采用多伯努利随机有限集(M...针对复杂不确定性环境下具有不规则形状的多扩展目标跟踪问题,提出了一种基于星凸形随机超曲面模型(Starconvex RHM)的多扩展目标多伯努利滤波算法.首先,在有限集统计(Finite set statistics,FISST)理论框架下,采用多伯努利随机有限集(MBer-RFS)和泊松RFS(Possion-RFS)分别描述多扩展目标的状态和观测,并给出扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器.其次,利用RHM去描述任意星凸形扩展目标的量测源分布,提出了容积卡尔曼高斯混合星凸形多扩展目标多伯努利滤波器.此外,本文给出了一种多扩展目标不规则形状估计性能的评价指标.最后,通过多扩展目标和具有形状突变的多群目标的跟踪仿真实验验证了本文方法的有效性.展开更多
文摘针对多扩展目标跟踪问题,提出了基于泊松点过程( Poisson Point Process, PPP )模型的多扩展目标跟踪的联合概率数据关联( Joint Probabilistic Data Association, JPDA )算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一”关联模型思想提出一种JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联( Probability Data Association, PDA )的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。
文摘针对传统三维扩展目标跟踪算法形状估计精度低的问题,提出了一种基于移动最小二乘的泊松多伯努利混合(Poisson multi-Bernoulli mixture based on the moving least square,MLS-PMBM)滤波跟踪算法。该算法基于MLS模型构建三维扩展目标的形状矩阵,通过PMBM滤波器预测和更新目标的运动状态,利用移动最小二乘算法更新形状矩阵,结合目标质心状态与形状估计完成对三维扩展目标的跟踪。仿真实验与实际点云数据的验证表明,与现有算法相比,本文所提算法在多扩展目标的形状估计方面具有更优的性能,具有较高的泛用性。
文摘针对复杂不确定性环境下具有不规则形状的多扩展目标跟踪问题,提出了一种基于星凸形随机超曲面模型(Starconvex RHM)的多扩展目标多伯努利滤波算法.首先,在有限集统计(Finite set statistics,FISST)理论框架下,采用多伯努利随机有限集(MBer-RFS)和泊松RFS(Possion-RFS)分别描述多扩展目标的状态和观测,并给出扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器.其次,利用RHM去描述任意星凸形扩展目标的量测源分布,提出了容积卡尔曼高斯混合星凸形多扩展目标多伯努利滤波器.此外,本文给出了一种多扩展目标不规则形状估计性能的评价指标.最后,通过多扩展目标和具有形状突变的多群目标的跟踪仿真实验验证了本文方法的有效性.
