-
题名GM-PHD雷达密集多目标跟踪应用研究
被引量：6
- 1
-
-
作者
张强
于俊朋
谢苏道
-
机构
南京电子技术研究所
中国电子科技集团公司智能感知技术重点实验室
-
出处
《现代雷达》
CSCD
北大核心
2019年第8期41-44,69,共5页
-
文摘
针对雷达密集多目标跟踪数据关联的难题,深入研究了可以避免数据关联的多目标跟踪方法-高斯混合概率假设密度算法(GM-PHD)。首先,将多目标的运动和多目标量测建模为随机有限集的形式,并给出了相应的最优多目标贝叶斯滤波器;然后,在线性高斯假设条件下,详细给出了GM-PHD均值、方差和权值的递归形式,降低了计算复杂度,满足跟踪实时性要求;最后,开展了仿真实验和实测数据实验,实验结果显示GM-PHD在不需要数据关联的情况下,能够有效抑制大量杂波,稳定地跟踪密集多目标。
-
关键词
数据关联
密集多目标跟踪
最优多目标贝叶斯滤波器
高斯混合概率假设密度
-
Keywords
data association
space-close multi-target tracking
optimal multi-target Bayes filter
Gaussian mixture probability hypothesis density
-
分类号
TN953
[电子电信—信号与信息处理]
-
