本文關鍵詞：嵌入式容積粒子PHD多目標跟蹤算法　出處：《信號處理》2016年06期 　論文類型：期刊論文

  更多相關文章： 多目標跟蹤 概率假設密度 嵌入式求容積準則 Halton點集

【摘要】：針對基于概率假設密度算法(Probability Hypothesis Density,PHD)的非線性多目標跟蹤估計精度不高、濾波發(fā)散、實時性差等問題,提出一種嵌入式容積粒子PHD算法(Imbedded Cubature Particle PHD,ICP-PHD)。新的算法在采樣階段引入Halton點集,并基于三階嵌入式容積準則產(chǎn)生有限的積分點,對每個采樣粒子進行濾波,來擬合重要密度函數(shù)。由于Halton點集得到的粒子分布更加均勻,故而ICP-PHD算法能夠避免"粒子聚集"的現(xiàn)象。另外,由于三階嵌入式容積準則的積分點少、精度高,因此ICP-PHD算法能更好的協(xié)調(diào)時間與精度之間的矛盾。仿真結果表明ICP-PHD能對多目標進行有效跟蹤,相比高斯厄米特粒子PHD算法(Gauss Hermite Particle PHD,GHP-PHD)具有實時性強的優(yōu)勢,在目標數(shù)目和狀態(tài)估計上比容積粒子PHD算法(Cubature Particle PHD,CP-PHD)精度更高。
【作者單位】： 空軍工程大學防空反導學院;
【基金】：陜西省自然科學基礎研究計劃資助項目(2012JM8020) 航空科學基金(20130196004)
【分類號】：TN713
【正文快照】： 1引言多目標跟蹤技術廣泛應用于各領域,一直是研究的熱點。多目標跟蹤的目的是對目標的狀態(tài)和數(shù)目進行實時、精確的估計。傳統(tǒng)的概率數(shù)據(jù)關聯(lián)算法(Joint Probability Data Association,JPDA)能解決目標數(shù)目已知的多目標跟蹤問題[1],但是,存在漏警和虛警或目標的數(shù)目隨時間改變

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李斌;姚康澤;王巖;慈林林;萬建偉;;基于灰關聯(lián)的分類信息輔助多目標跟蹤[J];信號處理;2009年03期

2 王汝夯;黃建國;張群飛;;基于網(wǎng)絡層次分析的水下多目標跟蹤排序方法[J];西北工業(yè)大學學報;2009年05期

3 陳炳和;雷達多目標跟蹤的數(shù)學表示[J];電子學報;1988年02期

4 余少波,胡守仁,劉孟仁;雷達多目標跟蹤的神經(jīng)網(wǎng)絡方法[J];電子學報;1992年04期

5 王順奎;多目標跟蹤用的多傳感器信息融合技術[J];紅外與激光技術;1994年04期

6 E.W.Kamen ,劉勝厚;基于對稱測量方程的多目標跟蹤[J];艦船指揮控制系統(tǒng);1996年03期

7 劉維亭,張冰,朱志宇;多目標跟蹤中的目標位置及速度數(shù)據(jù)融合[J];船舶工程;2003年01期

8 路紅;費樹岷;鄭建勇;張濤;;基于行為和部分觀測的多目標跟蹤(英文)[J];Journal of Southeast University(English Edition);2008年04期

9 蔣戀華;甘朝暉;蔣e，

本文編號：1308853