期刊文献+
共找到91篇文章
< 1 2 5 >
每页显示 20 50 100
高斯混合扩展目标概率假设密度滤波器的收敛性分析 被引量:16
1
作者 连峰 韩崇昭 +1 位作者 刘伟峰 元向辉 《自动化学报》 EI CSCD 北大核心 2012年第8期1343-1352,共10页
研究了高斯混合扩展目标概率假设密度(Gaussian mixture extended-target probability hypothesis density,GM-EPHD)滤波器的收敛性问题,证明了在杂波强度先验已知且扩展目标的期望测量个数连续有界的假设条件下,若该GM-EPHD滤波器的GM... 研究了高斯混合扩展目标概率假设密度(Gaussian mixture extended-target probability hypothesis density,GM-EPHD)滤波器的收敛性问题,证明了在杂波强度先验已知且扩展目标的期望测量个数连续有界的假设条件下,若该GM-EPHD滤波器的GM项趋于无穷多,那么它一致收敛于真实的EPHD滤波器.并且,本文还证明了该算法在弱非线性条件下的扩展卡尔曼(Extended Kalman,EK)滤波近似实现—EK-GM-EPHD滤波器,在每个GM项的协方差趋于0时,也一致收敛于真实的EPHD滤波器.本文的研究目的在于从理论上给出GM-EPHD和EK-GM-EPHD滤波器的收敛性结果以及它们满足一致收敛性的条件. 展开更多
关键词 扩展目标跟踪 概率假设密度滤波器 高斯混合方法 收敛性分析
在线阅读 下载PDF
多扩展目标的高斯混合概率假设密度滤波器 被引量:13
2
作者 韩玉兰 朱洪艳 +1 位作者 韩崇昭 王静 《西安交通大学学报》 EI CAS CSCD 北大核心 2014年第4期95-101,共7页
针对多扩展目标跟踪中状态信息难以估计的问题,提出了一种可以估计扩展目标运动状态和形状信息的多扩展目标高斯混合概率假设密度(RHM-GMPHD)滤波器。首先利用描述凸星形扩展目标量测源分布的随机超曲面模型和传感器量测方程,建立扩展... 针对多扩展目标跟踪中状态信息难以估计的问题,提出了一种可以估计扩展目标运动状态和形状信息的多扩展目标高斯混合概率假设密度(RHM-GMPHD)滤波器。首先利用描述凸星形扩展目标量测源分布的随机超曲面模型和传感器量测方程,建立扩展目标运动状态及形状信息与量测之间关系的伪量测函数;然后结合扩展目标状态预报信息,推导了扩展目标状态更新方程,递推地对扩展目标运动状态及形状信息进行估计跟踪。此外,还建立了Jaccard距离来度量RHMGMPHD滤波器对目标形状的估计性能。与联合概率数据关联(JPDA)滤波器和GMPHD滤波器相比,RHM-GMPHD滤波器不仅可以估计凸星形扩展目标的形状信息,并能有效提高对目标数和运动状态的估计精度。仿真实验表明,RHM-GMPHD滤波器对质心估计的均方根误差分别约为JPDA和GMPHD滤波器的1/3和1/2,对目标数的估计接近真实值,对形状估计的Jaccard距离一般小于0.2。 展开更多
关键词 扩展目标跟踪 高斯混合概率假设密度 随机超曲面模型 形状估计
在线阅读 下载PDF
高斯混合概率假设密度滤波器在多目标跟踪中的应用 被引量:17
3
作者 吕学斌 周群彪 +2 位作者 陈正茂 熊运余 蔡葵 《计算机学报》 EI CSCD 北大核心 2012年第2期397-404,共8页
实现了基于随机集和点过程理论在目标数未知或随时间变化的多目标跟踪滤波算法.研究成果包括:(1)分析了基于随机有限集的多目标跟踪模型;(2)分析推导了基于随机集和点过程理论的概率假设密度滤波递推表达式;(3)实现了在线性高斯条件下... 实现了基于随机集和点过程理论在目标数未知或随时间变化的多目标跟踪滤波算法.研究成果包括:(1)分析了基于随机有限集的多目标跟踪模型;(2)分析推导了基于随机集和点过程理论的概率假设密度滤波递推表达式;(3)实现了在线性高斯条件下的概率假设密度滤波的一种解析滤波算法;(4)仿真实验验证了算法的性能,比较了在杂波强度和检测概率变化的情况下和联合概率数据互联算法相关性能;(5)指出了算法的一些不足以及改进的研究方向. 展开更多
关键词 高斯混合概率假设密度(PHD)滤波器 概率假设密度滤波器 随机集 目标跟踪 联合概率数据互联
在线阅读 下载PDF
基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法 被引量:8
4
作者 胡子军 张林让 +1 位作者 张鹏 王纯 《电子与信息学报》 EI CSCD 北大核心 2015年第1期116-122,共7页
多模型的随机有限集(RFS)类方法是一类有效的多机动目标跟踪算法,但是现有算法都假定杂波统计特性先验已知,不适用于未知杂波背景。该文以高斯混合带势概率假设密度滤波器(GMCPHDF)为基础,提出一种未知杂波下的多机动目标跟踪算法。该... 多模型的随机有限集(RFS)类方法是一类有效的多机动目标跟踪算法,但是现有算法都假定杂波统计特性先验已知,不适用于未知杂波背景。该文以高斯混合带势概率假设密度滤波器(GMCPHDF)为基础,提出一种未知杂波下的多机动目标跟踪算法。该算法对目标和杂波分别独立建模,通过最优高斯(BFG)估计方法对真实目标的强度函数进行预测,从而使多目标强度函数独立于机动目标的运动模型,实现各时刻真实目标的强度函数、杂波源期望个数以及真实目标和杂波源的混合势分布的迭代。仿真结果表明,该算法能够有效地联合估计多机动目标状态以及杂波期望个数。 展开更多
关键词 多机动目标跟踪 未知杂波 带势概率假设密度滤波器 最优高斯估计
在线阅读 下载PDF
多目标跟踪的高斯混合概率假设密度滤波算法 被引量:4
5
作者 郝燕玲 孟凡彬 +2 位作者 周卫东 孙枫 欧阳泰山 《弹箭与制导学报》 CSCD 北大核心 2010年第3期35-40,共6页
在多目标跟踪中,在观测数据存在关联的不确定、检测的不确定、噪声和虚警情形下,同时估计出随时间变化的目标数及目标状态,高斯混合概率假设密度(GMPHD)提供了一种有效的方法。PHD滤波不存在解析解,而GMPHD滤波提供了PHD递推的解析解。... 在多目标跟踪中,在观测数据存在关联的不确定、检测的不确定、噪声和虚警情形下,同时估计出随时间变化的目标数及目标状态,高斯混合概率假设密度(GMPHD)提供了一种有效的方法。PHD滤波不存在解析解,而GMPHD滤波提供了PHD递推的解析解。仿真结果表明,GMPHD滤波能稳健的跟踪目标数未知或时间变化时的目标状态和目标数。 展开更多
关键词 随机有限集 目标跟踪 高斯混合 概率假设密度
在线阅读 下载PDF
用于多个机动目标的混合高斯概率假设密度跟踪器 被引量:8
6
作者 刘贵喜 周承兴 +1 位作者 王泽毅 廖兴海 《控制理论与应用》 EI CAS CSCD 北大核心 2011年第8期1087-1092,共6页
现有的混合高斯概率假设密度(GM-PHD)跟踪器不仅可以估计时变的多目标状态,还能辨识不同目标并保持其轨迹连续性.但当多个目标发生机动时,其稳定性较差,容易丢失目标.针对这一问题,本文提出一种能跟踪多个机动目标的混合高斯概率假设密... 现有的混合高斯概率假设密度(GM-PHD)跟踪器不仅可以估计时变的多目标状态,还能辨识不同目标并保持其轨迹连续性.但当多个目标发生机动时,其稳定性较差,容易丢失目标.针对这一问题,本文提出一种能跟踪多个机动目标的混合高斯概率假设密度跟踪器算法.算法在GM-PHD滤波的框架上采用修正的输入估计方法将目标的概率假设密度(PHD)表示成混合高斯形式,并利用不同的标记辨识各个高斯分量,然后通过PHD滤波方程迭代这些高斯分量和对应的标记,最终达到跟踪多个机动目标的目的.仿真实验表明,和传统的GM-PHD跟踪器相比,新算法能以更高的稳定性跟踪多个机动目标. 展开更多
关键词 目标跟踪 随机集 概率假设密度 混合高斯 机动目标
在线阅读 下载PDF
基于高斯混合势化概率假设密度的脉冲多普勒雷达多目标跟踪算法 被引量:6
7
作者 吴卫华 江晶 +1 位作者 冯讯 刘重阳 《电子与信息学报》 EI CSCD 北大核心 2015年第6期1490-1494,共5页
为在新兴的随机有限集(RFS)框架下充分利用多普勒信息跟踪杂波环境下的多目标,该文提出基于高斯混合势化概率假设密度(GM-CPHD)的脉冲多普勒雷达多目标跟踪(MTT)算法。该算法在标准GM-CPHD基础上,在使用位置量测更新状态后,再利用多普... 为在新兴的随机有限集(RFS)框架下充分利用多普勒信息跟踪杂波环境下的多目标,该文提出基于高斯混合势化概率假设密度(GM-CPHD)的脉冲多普勒雷达多目标跟踪(MTT)算法。该算法在标准GM-CPHD基础上,在使用位置量测更新状态后,再利用多普勒量测进行序贯更新,可获得更精确的似然函数和状态估计。仿真结果验证了该算法的有效性,表明在GM-CPHD基础上引入目标的多普勒信息可有效抑制杂波,显著改善跟踪性能。 展开更多
关键词 目标跟踪 随机有限集 概率假设密度 高斯混合势化概率假设密度 脉冲多普勒雷达
在线阅读 下载PDF
一种改进的高斯逆威沙特概率假设密度扩展目标跟踪算法 被引量:1
8
作者 李文娟 吕靖 +3 位作者 顾红 苏卫民 马超 杨建超 《电子与信息学报》 EI CSCD 北大核心 2018年第6期1279-1286,共8页
假设扩展目标(ET)的扩展和量测数目分别为椭圆和泊松模型,高斯逆威沙特概率假设密度(GIW-PHD)能够估计扩展目标的运动和扩展状态。然而,该滤波器对空间邻近目标的数目、非椭圆目标和受到遮挡目标的扩展估计不够准确。针对这些问题,该文... 假设扩展目标(ET)的扩展和量测数目分别为椭圆和泊松模型,高斯逆威沙特概率假设密度(GIW-PHD)能够估计扩展目标的运动和扩展状态。然而,该滤波器对空间邻近目标的数目、非椭圆目标和受到遮挡目标的扩展估计不够准确。针对这些问题,该文提出一种改进的GIW-PHD。首先,假设目标扩展为一个相同尺寸的参考椭圆,通过设计新的散射矩阵得到改进的随机矩阵(RM)方法。然后,将改进的RM方法与假设量测数目服从多伯努利分布的ET-PHD结合,得到改进的GIW-PHD滤波器。仿真和实验结果表明,与传统GIW-PHD相比,改进的GIW-PHD估计的目标数目和量测数目较多,扩展较大的椭圆和非椭圆目标的扩展更准确。 展开更多
关键词 扩展目标跟踪 高斯逆威沙特概率假设密度 随机矩阵 多伯努利分布
在线阅读 下载PDF
多帧高斯混合概率假设密度的多目标跟踪算法
9
作者 高丽 卢娜 《火力与指挥控制》 CSCD 北大核心 2017年第9期93-97,共5页
针对低检测概率下多目标跟踪时,概率假设密度滤波器难以正确估计当前目标个数以及目标状态问题,提出一种基于多帧融合的高斯混合概率假设密度滤波算法。根据不同时刻目标权值构造目标多帧权值记录集及目标状态抽取标志。当某些时刻目标... 针对低检测概率下多目标跟踪时,概率假设密度滤波器难以正确估计当前目标个数以及目标状态问题,提出一种基于多帧融合的高斯混合概率假设密度滤波算法。根据不同时刻目标权值构造目标多帧权值记录集及目标状态抽取标志。当某些时刻目标被漏检时,依据目标状态抽取标志,并结合目标多帧权值记录集中权值信息估计丢失目标的状态。仿真实验表明,算法有效地提高了低检测概率下现有相关算法的目标状态和数目估计精度。 展开更多
关键词 目标跟踪 高斯混合 概率假设密度 多帧 状态提取
在线阅读 下载PDF
基于噪声方差估计的高斯混合概率假设密度滤波算法 被引量:5
10
作者 梁荔 敬忠良 +1 位作者 董鹏 李旻哲 《上海交通大学学报》 EI CAS CSCD 北大核心 2016年第9期1355-1361,共7页
针对传统的高斯混合概率假设密度(GM-PHD)滤波器在噪声先验特性未知或不准确时跟踪性能会下降,提出了一种基于噪声方差估计的高斯混合概率假设密度(NCE-GM-PHD)滤波算法.该算法可以同时在线估计时变的目标个数、多目标状态以及噪声方差... 针对传统的高斯混合概率假设密度(GM-PHD)滤波器在噪声先验特性未知或不准确时跟踪性能会下降,提出了一种基于噪声方差估计的高斯混合概率假设密度(NCE-GM-PHD)滤波算法.该算法可以同时在线估计时变的目标个数、多目标状态以及噪声方差.首先,通过引入遗忘因子和采取有偏估计的方法改进了传统的Sage-Husa自适应滤波器.基于改进的自适应滤波器,推导了带噪声方差估计的GM-PHD滤波算法.仿真结果表明,在非时变或时变量测噪声方差未知的情况下,NCE-GM-PHD算法的跟踪性能优于传统的GM-PHD算法,对噪声变化的适应能力更强. 展开更多
关键词 高斯混合概率假设密度滤波器 目标跟踪 噪声方差估计 自适应滤波器
在线阅读 下载PDF
基于高斯混合概率假设密度的运动参数估计组合平滑滤波算法 被引量:6
11
作者 黄庆东 李晓瑞 +1 位作者 曹艺苑 刘青 《电子与信息学报》 EI CSCD 北大核心 2022年第7期2488-2495,共8页
针对高斯混合概率假设密度(GM-PHD)滤波器在目标速度未知或不准确时,目标状态估计性能较差,该文提出一种基于GM-PHD的运动参数估计组合平滑滤波算法。该算法通过目标状态提取速度信息,经过中值平滑和线性平滑组合处理提升速度估计准确性... 针对高斯混合概率假设密度(GM-PHD)滤波器在目标速度未知或不准确时,目标状态估计性能较差,该文提出一种基于GM-PHD的运动参数估计组合平滑滤波算法。该算法通过目标状态提取速度信息,经过中值平滑和线性平滑组合处理提升速度估计准确性,然后将速度反馈给GM-PHD滤波器的状态转移方程,提高状态预测精度。仿真结果表明,目标速度未知或不准确时,所提算法能够明显改善GM-PHD滤波器状态估计性能。 展开更多
关键词 目标跟踪 高斯混合概率假设密度滤波 参数估计 组合平滑
在线阅读 下载PDF
认知无线电中基于高斯混合概率假设密度滤波的主用户跟踪算法
12
作者 杨磊 陈喆 殷福亮 《信号处理》 CSCD 北大核心 2012年第1期19-25,共7页
基于随机集的高斯混合概率假设密度滤波算法是一种典型的多目标跟踪算法,可以在目标数目未知的情况下进行多目标跟踪,但是该算法要求已知目标的起始位置,在很多情况下,目标的起始位置信息是无法获得的。本文针对这一问题,提出了改进的... 基于随机集的高斯混合概率假设密度滤波算法是一种典型的多目标跟踪算法,可以在目标数目未知的情况下进行多目标跟踪,但是该算法要求已知目标的起始位置,在很多情况下,目标的起始位置信息是无法获得的。本文针对这一问题,提出了改进的高斯混合概率假设密度滤波算法,并将本文算法应用于认知无线电系统的主用户跟踪问题。该算法利用双向预测的方式对检测结果进行估计,即使用正向预测算法来估计现存主用户的位置,然后采用后向预测算法来搜索新生的主用户并估计出新生主用户的位置。本文算法的主要优点是在主用户的数目、出现的时间和起始位置均未知的情况下仍可以有效的跟踪目标。最后,通过仿真对本文算法的性能进行了分析。仿真结果表明,本文算法在误检率较高的情况下可以准确地跟踪主用户。 展开更多
关键词 认知无线电 主用户跟踪 目标跟踪 高斯混合概率假设密度滤波 随机有限集
在线阅读 下载PDF
改进的高斯粒子概率假设密度滤波算法 被引量:6
13
作者 周承兴 刘贵喜 +1 位作者 侯连勇 钟兴质 《控制理论与应用》 EI CAS CSCD 北大核心 2011年第7期1005-1008,共4页
高斯粒子概率假设密度滤波在预测和更新时需要进行粒子近似和重新采样,这在一定程度上降低了算法的精度和实时性.针对这一问题,提出一种改进的高斯粒子概率假设密度滤波算法,算法通过粒子的方式表示并传递目标的概率假设密度(PHD)预测值... 高斯粒子概率假设密度滤波在预测和更新时需要进行粒子近似和重新采样,这在一定程度上降低了算法的精度和实时性.针对这一问题,提出一种改进的高斯粒子概率假设密度滤波算法,算法通过粒子的方式表示并传递目标的概率假设密度(PHD)预测值,然后直接利用这些表征PHD预测值的粒子进行更新,最后利用具有最大似然性的粒子将更新后的PHD表示为混合高斯形式.仿真实验表明,和高斯粒子概率假设密度滤波相比,改进算法的多目标误差距离减少了约30%,运行时间减少了约50%. 展开更多
关键词 目标跟踪 随机集 概率假设密度 混合高斯 粒子近似
在线阅读 下载PDF
未知新生目标强度的多目标概率假设密度滤波算法 被引量:3
14
作者 高丽 张欢庆 《火力与指挥控制》 CSCD 北大核心 2020年第7期56-61,共6页
针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜... 针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。 展开更多
关键词 目标跟踪 概率假设密度 高斯混合 未知新生目标
在线阅读 下载PDF
基于椭圆随机超曲面模型CPHD滤波器的多扩展目标跟踪算法
15
作者 滕明 侯亚威 李伟杰 《现代雷达》 CSCD 北大核心 2024年第5期26-30,共5页
复杂场景下多扩展目标跟踪在自动驾驶、目标识别等领域具有很高的应用价值。文中提出了一种基于椭圆随机超曲面模型(ERHM)的势概率假设密度(CPHD)滤波器。首先,基于有限集统计理论,利用CPHD滤波器建立多扩展目标的贝叶斯滤波框架;然后,... 复杂场景下多扩展目标跟踪在自动驾驶、目标识别等领域具有很高的应用价值。文中提出了一种基于椭圆随机超曲面模型(ERHM)的势概率假设密度(CPHD)滤波器。首先,基于有限集统计理论,利用CPHD滤波器建立多扩展目标的贝叶斯滤波框架;然后,采用ERHM描述扩展目标的量测源分布,并利用无迹变换嵌入CPHD滤波流程;最后,仿真实验结果表明,ERHM-CPHD滤波器对椭圆扩展目标的跟踪性能优于传统的伽马高斯逆威沙特CPHD滤波器,在杂波密度较高、目标新生的位置比较确定的场景或者扩展目标数目较多时,对扩展目标的参数估计更为准确。所提方法在高分辨率雷达多目标跟踪方面具备很好的运用前景。 展开更多
关键词 多扩展目标跟踪 椭圆随机超曲面 概率假设密度滤波器 无迹变换
在线阅读 下载PDF
基于自适应新生目标强度的概率假设密度滤波 被引量:2
16
作者 吴静静 尤丽华 +1 位作者 王瑶 宋淑娟 《系统仿真学报》 CAS CSCD 北大核心 2015年第11期2741-2747,共7页
针对概率假设密度滤波器(Probability Hypothesis Density,PHD)无法跟踪未知起始位置新生目标的问题,提出一种具有自适应新生目标强度的PHD滤波器。采用航迹起始技术检测新生目标的位置,根据检测位置构造新生目标强度函数,提出新生目标... 针对概率假设密度滤波器(Probability Hypothesis Density,PHD)无法跟踪未知起始位置新生目标的问题,提出一种具有自适应新生目标强度的PHD滤波器。采用航迹起始技术检测新生目标的位置,根据检测位置构造新生目标强度函数,提出新生目标强度的在线估计算法。在PHD滤波框架下,引入新生目标强度更新机制,采用更新的新生目标强度完成PHD滤波的递推,并给出了基于自适应新生目标强度PHD的高斯混合实现算法。仿真结果表明:该方法改进了PHD滤波的多目标跟踪性能,能够有效跟踪任意时刻未知位置的新生目标。 展开更多
关键词 目标跟踪 概率假设密度 新生目标强度 在线估计 高斯混合
在线阅读 下载PDF
使用高斯混合滤波器的机动目标跟踪
17
作者 权宏伟 李俊华 彭冬亮 《电光与控制》 北大核心 2014年第11期24-27,40,共5页
实际目标跟踪过程中,被跟踪目标的状态与类型都是不确定的。使用运动学传感器与属性传感器分别获取的目标状态量测信息与特征量测信息,给出了目标状态与类型不确定性的联合状态类型概率密度函数表示,并推导了线性高斯假设下的系统模型... 实际目标跟踪过程中,被跟踪目标的状态与类型都是不确定的。使用运动学传感器与属性传感器分别获取的目标状态量测信息与特征量测信息,给出了目标状态与类型不确定性的联合状态类型概率密度函数表示,并推导了线性高斯假设下的系统模型为高斯混合模型。根据这一性质,引入高斯混合滤波器,实现了机动目标的有效跟踪。在仿真分析中,通过对比3种算法的跟踪结果,进一步验证了使用高斯混合滤波器在机动目标跟踪过程中的有效性。 展开更多
关键词 目标跟踪 高斯混合模型 概率密度 滤波器
在线阅读 下载PDF
基于概率假设密度滤波的多目标跟踪算法 被引量:2
18
作者 王春平 刘江义 杨文兵 《火力与指挥控制》 CSCD 北大核心 2018年第5期5-10,16,共7页
概率假设密度(PHD)滤波算法在雷达、红外以及可见光等传感器的多目标跟踪中研究越来越广泛。主要研究了基于PHD滤波的多目标跟踪算法的发展现状,简要介绍了PHD滤波算法的基本原理及其在目标运动模型、多检测情况、杂波分布规律假定等方... 概率假设密度(PHD)滤波算法在雷达、红外以及可见光等传感器的多目标跟踪中研究越来越广泛。主要研究了基于PHD滤波的多目标跟踪算法的发展现状,简要介绍了PHD滤波算法的基本原理及其在目标运动模型、多检测情况、杂波分布规律假定等方面的研究进展,概述了PHD滤波的实现方法及研究进展,介绍了PHD滤波的主要应用领域,着眼提高目标跟踪精度和实时性的发展要求提出了PHD滤波的展望。 展开更多
关键词 概率假设密度 目标跟踪 序贯蒙特卡罗 高斯混合
在线阅读 下载PDF
一种基于多模型高斯逆Wishart PHD滤波器的空间邻近目标跟踪方法 被引量:6
19
作者 张慧 徐晖 +2 位作者 安玮 盛卫东 龙云利 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2014年第2期206-212,共7页
将空间邻近目标(Closely Spaced Objects,CSOs)整体建模为扩展目标(Extended Target,ET),用随机矢量和随机矩阵分别描述CSOs质心运动和扩散状态,并采用高斯逆Wishart(Gaussian inverse Wishart,GIW)概率假设密度(Probability Hypothesis... 将空间邻近目标(Closely Spaced Objects,CSOs)整体建模为扩展目标(Extended Target,ET),用随机矢量和随机矩阵分别描述CSOs质心运动和扩散状态,并采用高斯逆Wishart(Gaussian inverse Wishart,GIW)概率假设密度(Probability Hypothesis Density,PHD)滤波器实现杂波和漏检条件下CSOs的稳定跟踪.修正了原GIW-PHD滤波器量测模型和形状估计的缺陷,给出新的递推表达式,并在此基础上提出一种多(形变)模型GIW-PHD滤波器,以适应CSOs分裂和融合引起的形状变化.仿真结果表明,所提算法能够有效跟踪CSOs,状态估计比原GIW-PHD更加准确,对CSOs的变化更加敏感. 展开更多
关键词 红外传感器 像平面 空间邻近目标 扩展目标概率假设密度滤波器 多模型 高斯逆Wishart分布
在线阅读 下载PDF
多扩展目标滤波器的量测集划分算法 被引量:8
20
作者 韩玉兰 任重义 韩崇昭 《压电与声光》 CAS CSCD 北大核心 2015年第4期603-608,共6页
针对不同扩展目标产生的量测密度差别较大时的量测集划分问题,为扩展目标概率假设密度(PHD)滤波器提出了一种基于共享最近邻(SNN)相似度的量测集划分算法。量测间的SNN相似度可体现量测在量测空间局部分布情况,考虑了量测周围的量测信息... 针对不同扩展目标产生的量测密度差别较大时的量测集划分问题,为扩展目标概率假设密度(PHD)滤波器提出了一种基于共享最近邻(SNN)相似度的量测集划分算法。量测间的SNN相似度可体现量测在量测空间局部分布情况,考虑了量测周围的量测信息,因此提出的SNN相似度划分法能够较好地划分量测密度差别较大的量测集,进而提高了扩展目标的跟踪性能,且基于提出的划分算法的PHD滤波器计算量也所减少。 展开更多
关键词 目标跟踪 扩展目标 扩展目标概率假设密度(PHD)滤波器 量测集划分 SNN相似度
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部