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

1

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 职称材料

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

2

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 多目标跟踪 联合概率数据互联

在线阅读 下载PDF 职称材料

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

3

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 职称材料

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

4

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 多目标跟踪 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 职称材料

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

5

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 多目标跟踪 噪声方差估计 自适应滤波器

在线阅读 下载PDF 职称材料

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

6

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 职称材料

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

7

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 多目标跟踪 高斯混合概率假设密度滤波 随机有限集

在线阅读 下载PDF 职称材料

未知杂波条件下样本集校正的势估计概率假设密度滤波算法 被引量：4

8

作者 杨丹 姬红兵 张永权 《电子与信息学报》 EI CSCD 北大核心 2018年第4期912-919,共8页

在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算... 在贝叶斯框架下的多目标跟踪算法中,总是假设杂波的先验信息是已知的。然而,实际应用中,杂波分布一般是未知的,假设的杂波分布往往与实际情况匹配度差,难以保证滤波精度。针对该问题,该文研究了未知杂波势估计概率假设密度(CPHD)滤波算法。首先,提出一种基于狄利克雷过程混合模型(DPMM)类的未知杂波CPHD算法,该算法能够自动选取合适的类数对杂波进行描述,有效降低了杂波空间分布估计的误差。此外,提出样本集校正的思想,并将其引入所提算法,通过去除样本集中由真实目标产生的量测,较好地解决了杂波数过估和目标数低估的问题。与传统算法相比,所提算法的滤波精度更接近于杂波信息匹配情况下的性能,仿真结果验证了其优越性与鲁棒性。 展开更多

关键词 多目标跟踪 参数估计 未知杂波 狄利克雷过程混合模型 势估计概率假设密度滤波

在线阅读 下载PDF 职称材料

基于双马尔科夫链的势概率假设密度滤波 被引量：3

9

作者 刘江义 王春平 《电子与信息学报》 EI CSCD 北大核心 2019年第2期492-497,共6页

针对已有的基于双马尔科夫链(PMC)模型的势概率假设密度(PMC-CPHD)滤波算法无法实现的问题,将PMC-CPHD算法改进为多项式形式以便于算法的实现,并给出了改进算法的高斯混合(GM)实现。实验结果表明给出的GM实现能够有效实现多目标跟踪,并... 针对已有的基于双马尔科夫链(PMC)模型的势概率假设密度(PMC-CPHD)滤波算法无法实现的问题,将PMC-CPHD算法改进为多项式形式以便于算法的实现,并给出了改进算法的高斯混合(GM)实现。实验结果表明给出的GM实现能够有效实现多目标跟踪,并且比基于PMC模型的概率假设密度(PMC-PHD)算法的GM实现提高了目标个数估计的稳定性。 展开更多

关键词 双马尔科夫链 势概率假设密度 高斯混合

在线阅读 下载PDF 职称材料

基于二阶中心差分滤波的高斯混合粒子PHD多目标跟踪算法 被引量：2

10

作者 冉星浩 陶建锋 贺思三 《探测与控制学报》 CSCD 北大核心 2018年第6期68-73,共6页

针对杂波环境下高斯混合粒子PHD面临的跟踪精度低、滤波发散等问题,提出基于二阶中心差分滤波的高斯混合粒子PHD算法。该算法在传统的高斯混合粒子PHD滤波的基础上,采取二阶中心差分滤波方法来得到最优的重要性密度函数,充分利用了量测... 针对杂波环境下高斯混合粒子PHD面临的跟踪精度低、滤波发散等问题,提出基于二阶中心差分滤波的高斯混合粒子PHD算法。该算法在传统的高斯混合粒子PHD滤波的基础上,采取二阶中心差分滤波方法来得到最优的重要性密度函数,充分利用了量测信息对采样粒子进行更新,使得粒子分布更加接近目标真实的后验分布,然后对PHD进行更新。仿真结果表明,该算法能在杂波环境下有效地跟踪多个目标,与高斯混合粒子PHD算法相比,状态估计更加接近真实值,大大提高了跟踪精度和系统稳定性。 展开更多

关键词 概率假设密度滤波 二阶中心差分滤波 多目标跟踪 高斯混合粒子PHD

在线阅读 下载PDF 职称材料

基于无迹变换的多目标高斯混合粒子PHD滤波

11

作者 刘欣 冯新喜 +1 位作者 孔云波 王兢 《弹箭与制导学报》 CSCD 北大核心 2015年第5期17-21,共5页

针对在杂波环境下,一般的高斯混合粒子PHD出现滤波精度不高、滤波发散的问题,提出了一种基于无迹变换的高斯混合粒子PHD。该算法在高斯混合粒子PHD预测的基础之上,采用无迹变换进行重要性采样,结合观测值对采样粒子进行更新,获得重要性... 针对在杂波环境下,一般的高斯混合粒子PHD出现滤波精度不高、滤波发散的问题,提出了一种基于无迹变换的高斯混合粒子PHD。该算法在高斯混合粒子PHD预测的基础之上,采用无迹变换进行重要性采样,结合观测值对采样粒子进行更新,获得重要性密度函数,然后对PHD进行更新。最后,将该算法与高斯混合粒子PHD进行比较;仿真结果表明,该算法在有效提高高斯混合粒子PHD精度的同时,还能提高系统的稳定性。 展开更多

关键词 多目标跟踪 概率假设密度滤波 无迹变换 高斯混合粒子PHD

在线阅读 下载PDF 职称材料

基于模糊混合退火分布的多目标高斯混合粒子PHD滤波算法

12

作者 冉星浩 陶建锋 贺思三 《弹箭与制导学报》 北大核心 2019年第3期130-134,139,共6页

针对杂波环境下高斯混合粒子PHD跟踪精度低,滤波发散的问题,提出基于模糊混合退火分布的高斯混合粒子PHD。所提算法在传统的高斯混合粒子PHD滤波的基础上,采取状态变量分解和引入退火参数产生建议分布函数,同时采用模糊推理系统产生最... 针对杂波环境下高斯混合粒子PHD跟踪精度低,滤波发散的问题,提出基于模糊混合退火分布的高斯混合粒子PHD。所提算法在传统的高斯混合粒子PHD滤波的基础上,采取状态变量分解和引入退火参数产生建议分布函数,同时采用模糊推理系统产生最优的退火系数,有利于提高粒子滤波的稳定性和精度,然后对PHD进行更新。仿真结果表明:该算法能在杂波环境下有效跟踪多个目标,与高斯混合粒子PHD滤波相比,状态估计更加接近真实值,大大提高了跟踪精度和系统稳定性。 展开更多

关键词 概率假设密度滤波 混合退火分布 多目标跟踪 高斯混合粒子PHD

在线阅读 下载PDF 职称材料

声呐图像多目标跟踪高斯滤波算法 被引量：4

13

作者 周天 张丽红 +1 位作者 杜伟东 韩婷婷 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第5期691-697,共7页

针对高斯滤波算法中“新生目标强度已知”这一假设在声呐图像多目标跟踪应用中不成立的问题,本文提出一种改进高斯混合概率假设密度滤波滤波算法,利用量测进行滤波算法的初始化,相比均匀分布初始化可加快收敛速度;并在每一时刻的算法循... 针对高斯滤波算法中“新生目标强度已知”这一假设在声呐图像多目标跟踪应用中不成立的问题,本文提出一种改进高斯混合概率假设密度滤波滤波算法,利用量测进行滤波算法的初始化,相比均匀分布初始化可加快收敛速度;并在每一时刻的算法循环中采用量测驱动新生,但不做判决,而是到下一时刻根据量测和算法再判定新生目标的真实性,可突破新生目标强度已知的限制并降低跟踪误差。仿真表明:改进高斯混合概率假设密度滤波滤波算法的跟踪误差更低且运算时间更短。此外,分析了检测概率以及杂波密度对跟踪性能的影响。图像声呐多目标跟踪水池实验验证了改进高斯混合概率假设密度滤波算法能进行有效地多目标跟踪。 展开更多

关键词 高斯混合概率假设密度滤波(GM-PHD) 多目标跟踪 声呐图像 随机有限集 检测前跟踪(TBD)

在线阅读 下载PDF 职称材料

一种改进的杂波率未知环境下GM-CPHD滤波算法 被引量：1

14

作者 彭聪 王杰贵 朱克凡 《弹箭与制导学报》 北大核心 2019年第4期77-82,共6页

针对传统势概率假设密度(CPHD)滤波算法在杂波率未知的情况下跟踪效果不佳、计算量繁重的问题,提出了一种改进的杂波率未知环境下CPHD滤波算法。该算法首先针对杂波先验未知的情况,提出杂波率未知条件下的CPHD滤波算法,并针对CPHD滤波... 针对传统势概率假设密度(CPHD)滤波算法在杂波率未知的情况下跟踪效果不佳、计算量繁重的问题,提出了一种改进的杂波率未知环境下CPHD滤波算法。该算法首先针对杂波先验未知的情况,提出杂波率未知条件下的CPHD滤波算法,并针对CPHD滤波算法计算复杂的问题,引入最大似然自适应门限,利用进入门限中的量测进行更新步。实验结果表明,算法在降低计算时间的同时,保证了算法在杂波率未知环境下的跟踪性能。 展开更多

关键词 目标跟踪 势概率假设密度滤波算法 杂波率未知 最大似然门限 高斯混合

在线阅读 下载PDF 职称材料

基于航迹—估计关联的GM-CPHD后处理算法 被引量：4

15

作者 陈金广 孙瑞 马丽丽 《计算机工程与应用》 CSCD 北大核心 2015年第8期189-194,共6页

高斯势概率假设密度滤波算法在低检测率条件下目标数目估计会出现偏差。针对该问题,提出了一种基于航迹—估计关联的GM-CPHD后处理算法。计算航迹和估计之间的距离矩阵,利用匈牙利指派算法进行航迹—估计关联。通过设定航迹的连续性阈... 高斯势概率假设密度滤波算法在低检测率条件下目标数目估计会出现偏差。针对该问题,提出了一种基于航迹—估计关联的GM-CPHD后处理算法。计算航迹和估计之间的距离矩阵,利用匈牙利指派算法进行航迹—估计关联。通过设定航迹的连续性阈值对短航迹进行裁剪,并以此消除虚假目标估计。利用拉格朗日插值对各条不连续的航迹进行插值,以弥补由于低检测率而造成的遗漏估计。仿真实验结果表明,该处理算法能够有效地提高目标数目的估计精度。 展开更多

关键词 目标跟踪 高斯混合势概率假设密度(gm-cphd)滤波 航迹-估计关联 拉格朗日插值

在线阅读 下载PDF 职称材料

一种具有信息保持能力的GM-PHD滤波器 被引量：8

16

作者 刘宗香 谢维信 +1 位作者 王品 余友 《电子学报》 EI CAS CSCD 北大核心 2013年第8期1603-1608,共6页

概率假设密度(PHD)滤波器是解决虚警、漏检和目标数未知情况下多目标跟踪问题的新方法.然而在该滤波器中已存在的目标一旦在某个时刻不能被传感器检测到,漏检目标的大量信息会被滤波器丢弃.为解决漏检目标的信息丢失问题,对PHD滤波器的... 概率假设密度(PHD)滤波器是解决虚警、漏检和目标数未知情况下多目标跟踪问题的新方法.然而在该滤波器中已存在的目标一旦在某个时刻不能被传感器检测到,漏检目标的大量信息会被滤波器丢弃.为解决漏检目标的信息丢失问题,对PHD滤波器的预测和更新方程进行了修正,提出了一种具有信息保持能力的PHD滤波器.在此基础上提出了适用于线性高斯模型的修正PHD滤波器高斯混合(GM)实现算法.仿真实验结果表明,与现有的PHD滤波器相比,在存在漏检的情况下所提出的GM-PHD滤波器能够提供更好的多目标跟踪能力. 展开更多

关键词 多目标跟踪 概率假设密度滤波器 高斯混合实现 线性高斯模型

在线阅读 下载PDF 职称材料

一种新的多机动目标跟踪的GMPHD滤波算法 被引量：7

17

作者 郝燕玲 孟凡彬 +1 位作者 王素鑫 孙枫 《上海交通大学学报》 EI CAS CSCD 北大核心 2010年第7期873-877,共5页

针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过... 针对多机动目标跟踪的传统数据关联算法约束条件苛刻、估计精度低、计算量大等问题,提出了一种基于随机集理论的非数据关联的多机动目标跟踪算法.该算法将高斯混合概率假设密度(GMPHD)滤波与"当前"统计模型的优点相结合,绕过了棘手的数据关联问题,能高效处理目标数较大的机动跟踪问题.在漏检、虚警、多机动目标交叉杂波复杂环境下进行了仿真实验,结果表明,该算法具有较高的跟踪精度和稳健的跟踪性能. 展开更多

关键词 多机动目标跟踪 随机有限集 高斯混合概率假设密度滤波 扩展卡尔曼滤波

在线阅读 下载PDF 职称材料

结合聚类的GM-PHD滤波器辐射源群目标跟踪 被引量：8

18

作者 朱友清 周石琳 高贵 《系统工程与电子技术》 EI CSCD 北大核心 2015年第9期1967-1973,共7页

群目标跟踪是一种情况更为复杂的多目标跟踪问题,由于军事辐射源目标经常出现雷达关机的情况,因此常用的多目标跟踪方法对于这类辐射源群目标的跟踪效果并不理想。为此,结合聚类技术提出了一种改进的高斯混合概率假设密度(Gaussian mixt... 群目标跟踪是一种情况更为复杂的多目标跟踪问题,由于军事辐射源目标经常出现雷达关机的情况,因此常用的多目标跟踪方法对于这类辐射源群目标的跟踪效果并不理想。为此,结合聚类技术提出了一种改进的高斯混合概率假设密度(Gaussian mixture-probability hypothesis density,GM-PHD)滤波器跟踪方法。该方法在GM-PHD滤波器的更新过程中,通过引入群中心产生的虚拟量测信息以提高目标跟踪性能,但不进行量测集划分。获得单一个体目标的估计状态后利用Jensen-Shannon divergence计算其相似度,然后再对估计目标进行聚类以实现群目标的跟踪。最后通过对相邻时刻的群中心轨迹点进行关联匹配,从而获得群目标的完整运动轨迹。仿真实验结果表明,所提方法能够对辐射源群目标进行有效跟踪,并具有较好的目标跟踪性能。 展开更多

关键词 群目标跟踪 高斯混合概率假设密度滤波器 聚类 航迹提取

在线阅读 下载PDF 职称材料

多元假设检验GMPHD轨迹跟踪 被引量：6

19

作者 黄志蓓 孙树岩 吴健康 《电子与信息学报》 EI CSCD 北大核心 2010年第6期1289-1294,共6页

由于在军事和民事领域逐步广泛的应用,数目不定的多目标跟踪技术正受到越来越多的关注。概率假设密度(PHD)滤波方法,特别是具有闭式递归的高斯混合概率假设密度(GMPHD)技术,在噪声和漏警等影响下仍能形成优越的群目标跟踪性能。然而PHD... 由于在军事和民事领域逐步广泛的应用,数目不定的多目标跟踪技术正受到越来越多的关注。概率假设密度(PHD)滤波方法,特别是具有闭式递归的高斯混合概率假设密度(GMPHD)技术,在噪声和漏警等影响下仍能形成优越的群目标跟踪性能。然而PHD滤波器并不能实现多目标航迹跟踪,而其与传统数据互联的结合,复杂度高且跟踪效果不尽如人意。在该文中,各目标的航迹信息以假设形式表述,数据互联则是通过使用经典的多元假设检测方法判决假设矩阵实现。其与GMPHD的结合不仅实现了数据互联和轨迹管理,还因为积累时间信息大大降低了杂波干扰的影响。实验结果证明,该算法可以对多个目标所形成的轨迹实施正确跟踪,同时,计算量的大幅度降低带来了跟踪系统可实现性的提高。 展开更多

关键词 多目标航迹跟踪 贝叶斯滤波 概率假设密度 高斯混合模型 多元假设检验

在线阅读 下载PDF 职称材料

快速多目标跟踪GM-PHD滤波算法 被引量：5

20

作者 陈金广 秦晓姗 马丽丽 《计算机科学》 CSCD 北大核心 2016年第3期317-320,F0003,共5页

传统的GM-PHD(Gaussian Mixture-Probability Hypothesis Density)滤波算法用当前时刻接收到的全部量测值对所有高斯项进行更新,使得大量的运算时间花费在使用无效量测对高斯项的更新上。针对此问题,提出一种快速多目标跟踪GM-PHD滤波... 传统的GM-PHD(Gaussian Mixture-Probability Hypothesis Density)滤波算法用当前时刻接收到的全部量测值对所有高斯项进行更新,使得大量的运算时间花费在使用无效量测对高斯项的更新上。针对此问题,提出一种快速多目标跟踪GM-PHD滤波器。首先在算法预测步骤中将高斯项分为新生及存活目标两类;然后在更新步骤中先计算存活目标与所有量测之间的残差,使用椭球门限,用门限内的量测值来更新存活目标;接着计算新生目标与剩下量测之间的残差,再次使用落入椭球门限内的量测值来更新新生目标,这样可以最大限度地将无效量测排除掉,从而减少算法运算时间。实验结果表明,该方法在保证目标跟踪精度的同时降低了算法时间复杂度,其综合性能优于传统的GM-PHD滤波算法。 展开更多

关键词 多目标跟踪 高斯混合概率假设密度滤波器 椭球门限 量测划分

在线阅读 下载PDF 职称材料