發(fā)布時間：2018-06-06 04:22

  本文選題：目標跟蹤 + 隨機有限集　； 參考：《西安交通大學學報》2017年10期

【摘要】：針對序列蒙特卡羅廣義標簽多伯努利濾波(SMC-GLMB)算法計算效率低、實時性差的問題,提出了箱粒子廣義標簽多伯努利濾波的目標跟蹤(Box-GLMB)算法。該算法使用帶標簽的隨機有限集描述多目標的狀態(tài),包括目標的位置和速度,并且對每個目標用互不相同的標簽進行區(qū)分;然后利用箱粒子濾波算法近似單目標狀態(tài)的概率密度,即用一組帶權值的均勻分布擬合單目標狀態(tài)概率密度;最后通過廣義標簽多伯努利濾波對多目標狀態(tài)的概率密度進行預測與更新,從多目標狀態(tài)后驗概率密度中估計單目標的位置與速度,根據(jù)目標的標簽可以實現(xiàn)航跡跟蹤。BoxGLMB算法結合了箱粒子濾波與GLMB算法的優(yōu)勢,能夠跟蹤目標航跡,同時提高計算效率。仿真結果表明,Box-GLMB算法可以有效估計目標狀態(tài)以及跟蹤目標航跡,相比于SMC-GLMB算法,計算效率提升了62%。
[Abstract]:Aiming at the problems of low computational efficiency and poor real-time performance of the sequential Monte Carlo generalized label multiple Bernoulli filter (SMC-GLMB), a Box-GLMB-based target tracking algorithm based on the box particle generalized label multiple Bernoulli filter is proposed. The algorithm uses a random finite set with labels to describe the state of multiple targets, including the position and speed of the targets, and distinguishes each target with different labels. Then the box particle filter algorithm is used to approximate the probability density of a single target state, that is, a set of weighted uniform distribution is used to fit the probability density of a single target state. Finally, the probability density of multi-target state is predicted and updated by generalized label multi-Bernoulli filter, and the position and velocity of single target are estimated from the posteriori probability density of multi-objective state. According to the tag of the target, track tracking. BoxGLMB algorithm combines the advantages of box particle filter and GLMB algorithm, can track the track of the target and improve the computational efficiency. Simulation results show that the Box-GLMB algorithm can effectively estimate the state of the target and track the target. Compared with the SMC-GLMB algorithm, the computational efficiency is improved 62%.
【作者單位】： 西安電子科技大學電子工程學院;
【基金】：國家自然科學基金資助項目(61372003)
【分類號】：TN713

【相似文獻】

相關期刊論文 前10條

1 李樹軍;李開端;;基于自適應α-β濾波的目標跟蹤算法研究[J];科學技術與工程;2012年34期

2 袁佳;尹小杰;柯芳;吳斌;樊鍵;程川;;一種用于復合軸系統(tǒng)的機動目標跟蹤算法[J];彈箭與制導學報;2014年02期

3 侯志松;張凱;;非均勻雜波環(huán)境中基于粒子濾波的無參目標跟蹤算法[J];火力與指揮控制;2014年06期

4 姬存慧;吳盤龍;彭帥;王寶寶;;去偏轉換量測IMM機動目標跟蹤算法的硬件實現(xiàn)[J];電光與控制;2013年04期

5 孟軍英;劉教民;韓明;王娟;;基于粒子濾波架構的實時目標跟蹤算法研究[J];河北工業(yè)大學學報;2013年04期

6 劉玉磊;馮新喜;;基于CKF被動多傳感器目標跟蹤算法[J];計算機仿真;2013年08期

7 王學偉,何友;艦載紅外警戒系統(tǒng)多目標跟蹤算法研究[J];火力與指揮控制;1999年01期

8 鞠園;鹿樂;蔡亮;劉磊;王星;;基于隨機有限集的多目標跟蹤算法[J];火力與指揮控制;2014年S1期

9 潘平俊;馮新喜;李鋒;石磊;李鴻艷;;基于轉換瑞利濾波器的紅外目標跟蹤算法[J];紅外技術;2008年06期

10 章飛;周杏鵬;陳小惠;;基于衰減記憶濾波的平方根UKF被動目標跟蹤算法[J];測控技術;2010年04期

相關會議論文 前1條

1 趙淵;管慶;徐勝;;目標跟蹤算法在DM6437上的實現(xiàn)和優(yōu)化[A];2009年通信理論與信號處理學術年會論文集[C];2009年

相關博士學位論文 前1條

1 秦永;基于隨機有限集的目標跟蹤算法研究[D];華中科技大學;2016年

相關碩士學位論文 前10條

1 王佩思;基于粒子濾波的目標跟蹤算法研究[D];南京郵電大學;2015年

2 代標;基于強度濾波器的多目標跟蹤算法研究[D];西安電子科技大學;2015年

3 陳慶;基于核相關濾波器的實時單目標跟蹤算法研究[D];安徽大學;2017年

4 馮帆;復雜度可分級的目標跟蹤算法研究[D];華中科技大學;2013年

5 王冉;基于粒子濾波的目標跟蹤算法研究[D];西安電子科技大學;2014年

6 毛鑫萍;基于粒子濾波的目標跟蹤算法研究[D];浙江工業(yè)大學;2013年

7 龔小彪;基于TLD框架的目標跟蹤算法研究[D];西南交通大學;2014年

8 趙清華;基于FPGA的目標跟蹤算法的設計與實現(xiàn)[D];中國科學院研究生院（西安光學精密機械研究所）;2014年

9 周健;基于概率假設密度的多目標跟蹤算法研究[D];電子科技大學;2013年

10 趙慧;多傳感器信息融合目標跟蹤算法研究[D];華南理工大學;2014年

，

本文編號：1985065