-
题名基于最小模糊误差熵的机动目标跟踪新方法
被引量：1
- 1
-
-
作者
陈咏茵
刘全仲
李良群
康莉
-
机构
深圳大学电子与信息工程学院
深圳大学广东省智能信息处理重点实验室
中国长城科技集团有限公司
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第9期2408-2418,共11页
-
基金
国家自然科学基金(No.62171287,No.81960312)。
-
文摘
为了提高不同噪声影响下机动目标跟踪的性能,提出了一种基于最小模糊误差熵无迹滤波(Minimum Fuzzy Error Entropy Unscented Filter,MFEE-UF)机动目标跟踪新方法.在提出方法中,通过引入模糊隶属度表示不同误差样本对估计结果的不同影响,构建最小模糊误差熵准则(Minimum Fuzzy Error Entropy Criterion,MFEEC),解决了普通误差熵中的权重单一化问题,并利用该准则优化无迹滤波;在推导MFEE-UF过程中,首先利用无迹变换(Unscented Transformation,UT)框架得到先验状态估计和先验协方差估计,并通过系统重建得到误差信息,再根据MFEEC构建目标函数,最后利用定点迭代法递归求得后验状态估计结果和后验协方差估计.此外,本文采用一种自适应的核宽设置方法.实验结果表明,该算法能够具有良好的目标跟踪效果,且表现出较强的稳定性.
-
关键词
模糊误差熵
无迹滤波
自适应核宽
状态估计
目标跟踪
-
Keywords
fuzzy error entropy
unscented filtering
adaptive kernel width
state estimation
target tracking
-
分类号
TN820.4
[电子电信—信息与通信工程]
-
-
题名基于带约束可能性聚类的多目标跟踪新算法
被引量：1
- 2
-
-
作者
刘全仲
李良群
-
机构
深圳大学ATR国防科技重点实验室
中国长城科技集团有限公司
-
出处
《火力与指挥控制》
CSCD
北大核心
2023年第6期14-18,共5页
-
基金
国家自然科学基金(62171287)
国防预研基础研究基金资助项目(6778539)。
-
文摘
针对密集杂波环境下的多目标跟踪问题,提出了一种基于可能性聚类的联合概率数据关联滤波算法。在提出算法中,分析了传统FCM数据关联算法在噪声抑制方面的不足;利用可能性聚类能够有效抑制噪声的优势,同时结合多目标跟踪中,聚类中心应该在目标预测位置或者在其附近的特点,提出了一种以目标预测位置为约束条件的可能性聚类新目标函数,通过对目标函数进行优化得到目标观测的数据关联矩阵,有效减少由杂波引起的错误关联,实现对多目标与观测的准确关联。实验结果表明,提出的方法能够有效解决多目标与观测的关联问题,关联准确率要高于传统的Fitzgerald’JPDAF、MEF-JPDAF算法和IF-JPDAF算法。
-
关键词
多目标跟踪
数据关联
可能性聚类
信息融合
-
Keywords
multi-target tracking
data association
possibilistic clustering
information fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
