检索结果-维普期刊中文期刊服务平台

新生目标强度未知的单量测PHD滤波器被引量：2: 1; 作者徐从安熊伟 +1 位作者刘瑜何友《电子学报》 EI CAS CSCD 北大核心 2016年第10期2300-2307,共8页; 自适应新生目标强度PHD滤波器(PHD-M)在目标漏检时易发生错估或漏估,从而导致滤波器估计性能下降.为解决这一问题,提出了一种新生目标强度未知的单量测(single measurement)PHD滤波器(PHD-SM)并给出了其粒子实现方式.该文首先通过构建... 展开更多; 关键词多目标跟踪概率假设密度新生目标强度未知单量测一步虚拟量测; 在线阅读下载PDF 职称材料

基于自适应新生目标强度的概率假设密度滤波被引量：2: 2; 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... 展开更多; 关键词多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 职称材料

基于量测驱动新生目标强度估计的PHD滤波算法被引量：3: 3; 作者张祺琛丁勇柏茂羽《电光与控制》北大核心 2017年第2期13-18,24,共7页; 针对多目标跟踪中存在的新生目标强度未知的问题,提出一种基于量测驱动新生目标强度估计的PHD(MDTBI-PHD)滤波算法。该算法采用增广状态空间方法,在由真实目标状态与虚拟目标(杂波)状态构成的增广状态空间上实现PHD多目标跟踪。算法通... 展开更多; 关键词多目标跟踪概率假设密度新生目标强度量测驱动增广空间; 在线阅读下载PDF 职称材料

纯方位距离参数化概率假设密度和势概率假设密度滤波器被引量：3: 4; 作者陈辉韩崇昭《控制理论与应用》 EI CAS CSCD 北大核心 2015年第5期579-590,共12页; 考虑多目标跟踪中量测源的不确定性,本文提出两个基于随机有限集(RFS)的多距离假设纯方位跟踪(BOT)滤波器.首先,详细推导距离参数化高斯混合概率假设密度(PHD)滤波器的递推公式.然后,详细推导距离参数化高斯混合势概率假设密度(CPHD)滤... 展开更多; 关键词多目标跟踪距离参数化随机有限集新生强度纯方位; 在线阅读下载PDF 职称材料

基于ET-PHD的自适应联合跟踪与分类算法被引量：2: 5; 作者樊鹏飞李鸿艳《自动化学报》 EI CSCD 北大核心 2019年第2期349-359,共11页; 针对新生目标强度先验未知的扩展目标(Extended target, ET)联合跟踪与分类(Joint tracking and classification,JTC)问题,提出一种基于扩展目标概率假设密度(Extended target-probability hypothesis density, ET-PHD)滤波器的自适应... 展开更多; 关键词扩展目标联合跟踪与分类新生目标强度概率假设密度; 在线阅读下载PDF 职称材料

题名新生目标强度未知的单量测PHD滤波器被引量：2: 1; 作者徐从安熊伟刘瑜何友; 机构海军航空工程学院信息融合研究所; 出处《电子学报》 EI CAS CSCD 北大核心 2016年第10期2300-2307,共8页; 文摘自适应新生目标强度PHD滤波器(PHD-M)在目标漏检时易发生错估或漏估,从而导致滤波器估计性能下降.为解决这一问题,提出了一种新生目标强度未知的单量测(single measurement)PHD滤波器(PHD-SM)并给出了其粒子实现方式.该文首先通过构建一步虚拟量测对漏检目标进行补偿,然后基于单量测PHD分解技术推导了PHD预测和更新公式,最后设计了一种无须聚类操作的多目标状态估计方法.仿真实验表明,在当检测概率PD较小时,PHD-SM滤波器估计性能优于PHD-M滤波器,且检测概率越小,性能优势越明显.; 关键词多目标跟踪概率假设密度新生目标强度未知单量测一步虚拟量测; Keywords multi-target tracking probability hypothesis density unknown target birth intensity single measurement one step virtual measurement; 分类号 TN957 [电子电信—信号与信息处理] 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

题名基于自适应新生目标强度的概率假设密度滤波被引量：2: 2; 作者吴静静尤丽华王瑶宋淑娟; 机构机械工程学院江南大学江苏省食品先进制造装备技术重点实验室; 出处《系统仿真学报》 CAS CSCD 北大核心 2015年第11期2741-2747,共7页; 基金国家自然科学基金项目(61305016); 文摘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。; 关键词多目标跟踪概率假设密度新生目标强度在线估计高斯混合; Keywords multi-target tracking probability hypothesis density birth target intensity online estimation Gaussian mixture; 分类号 TN713 [电子电信—电路与系统]; 在线阅读下载PDF 职称材料

题名基于量测驱动新生目标强度估计的PHD滤波算法被引量：3: 3; 作者张祺琛丁勇柏茂羽; 机构南京航空航天大学自动化学院南京航空航天大学江苏省物联网与控制技术重点实验室; 出处《电光与控制》北大核心 2017年第2期13-18,24,共7页; 基金总参通指重点基金(TZLDLYYB2014002); 文摘针对多目标跟踪中存在的新生目标强度未知的问题,提出一种基于量测驱动新生目标强度估计的PHD(MDTBI-PHD)滤波算法。该算法采用增广状态空间方法,在由真实目标状态与虚拟目标(杂波)状态构成的增广状态空间上实现PHD多目标跟踪。算法通过构造新生目标量测集,采用量测驱动的方式对新生目标强度进行估计,从而避免了对新生目标强度先验知识的依赖,同时,该算法也避免了未知杂波对真实目标强度估计的干扰。仿真结果表明,该算法在新生目标强度未知的情况下,具有对目标数目变化敏感的优势,可降低计算复杂度,明显提高跟踪精度。; 关键词多目标跟踪概率假设密度新生目标强度量测驱动增广空间; Keywords multi-target tracking Probability Hypothesis Density （PHD） target birth intensity measuredriven augmented state space; 分类号 V249 [航空宇航科学与技术—飞行器设计]; 在线阅读下载PDF 职称材料

题名纯方位距离参数化概率假设密度和势概率假设密度滤波器被引量：3: 4; 作者陈辉韩崇昭; 机构西安交通大学智能网络与网络安全教育部重点实验室兰州理工大学电气工程与信息工程学院; 出处《控制理论与应用》 EI CAS CSCD 北大核心 2015年第5期579-590,共12页; 基金国家重点基础研究发展计划(973计划)(2013CB329405) 国家自然科学基金创新研究群体项目(61221063) +3 种基金国家自然科学基金项目(61370037 61473217 61005026) 甘肃省高等学校科研项目(2014A-035)资助~~; 文摘考虑多目标跟踪中量测源的不确定性,本文提出两个基于随机有限集(RFS)的多距离假设纯方位跟踪(BOT)滤波器.首先,详细推导距离参数化高斯混合概率假设密度(PHD)滤波器的递推公式.然后,详细推导距离参数化高斯混合势概率假设密度(CPHD)滤波器的势分布和强度的递推公式.此外,为跟踪随机出现的目标,提出一种自适应BOT新生目标强度的建立方法.仿真验证了算法的有效性.; 关键词多目标跟踪距离参数化随机有限集新生强度纯方位; Keywords multi-target tracking range-parameterized random finite set newborn intensity bearings-only; 分类号 O212.1 [理学—概率论与数理统计] O231 [理学—运筹学与控制论]; 在线阅读下载PDF 职称材料

题名基于ET-PHD的自适应联合跟踪与分类算法被引量：2: 5; 作者樊鹏飞李鸿艳; 机构空军工程大学信息与导航学院; 出处《自动化学报》 EI CSCD 北大核心 2019年第2期349-359,共11页; 基金陕西省自然科学基础研究计划(2015JM6332)资助~~; 文摘针对新生目标强度先验未知的扩展目标(Extended target, ET)联合跟踪与分类(Joint tracking and classification,JTC)问题,提出一种基于扩展目标概率假设密度(Extended target-probability hypothesis density, ET-PHD)滤波器的自适应联合跟踪与分类算法,并给出其高斯混合实现方法.算法利用量测信息生成新生目标强度,在滤波预测阶段对存活目标和新生目标分别按照其类别进行传播,再引入属性量测信息,用位置和属性的联合量测似然函数代替单目标位置似然函数,对预测后所有目标强度进行联合更新,之后按照类别进行高斯项的删减与合并,提取相应类别目标的状态集.仿真结果表明,提出的自适应算法改进了概率假设密度滤波器在扩展目标跟踪中的性能.; 关键词扩展目标联合跟踪与分类新生目标强度概率假设密度; Keywords Extended target(ET) joint tracking and classification(JTC) target birth intensity probability hypothesis density(PHD); 分类号 TN713 [电子电信—电路与系统]; 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	新生目标强度未知的单量测PHD滤波器	徐从安熊伟刘瑜何友	《电子学报》 EI CAS CSCD 北大核心	2016	2	在线阅读下载PDF 职称材料
2	基于自适应新生目标强度的概率假设密度滤波	吴静静尤丽华王瑶宋淑娟	《系统仿真学报》 CAS CSCD 北大核心	2015	2	在线阅读下载PDF 职称材料
3	基于量测驱动新生目标强度估计的PHD滤波算法	张祺琛丁勇柏茂羽	《电光与控制》北大核心	2017	3	在线阅读下载PDF 职称材料
4	纯方位距离参数化概率假设密度和势概率假设密度滤波器	陈辉韩崇昭	《控制理论与应用》 EI CAS CSCD 北大核心	2015	3	在线阅读下载PDF 职称材料
5	基于ET-PHD的自适应联合跟踪与分类算法	樊鹏飞李鸿艳	《自动化学报》 EI CSCD 北大核心	2019	2	在线阅读下载PDF 职称材料