針對基于勢概率假設(shè)密度算法（CPHD）的純方位多目標(biāo)跟蹤,提出一種新型的多傳感器粒子CPHD濾波算法.該算法通過分析混合線性/非線性狀態(tài)模型的結(jié)構(gòu)信息,結(jié)合粒子濾波（PF）與卡爾曼濾波（KF）對各個目標(biāo)的狀態(tài)進(jìn)行預(yù)測與估計,運(yùn)用Mean-Shift方法提取概率假設(shè)密度的峰值作為目標(biāo)狀態(tài)估計值,并對算法復(fù)雜度進(jìn)行了分析.仿真結(jié)果表明,算法可改善目標(biāo)跟蹤效果. 

【文章來源】：控制理論與應(yīng)用. 2020,37(06)北大核心EICSCD

【文章頁數(shù)】：7 頁

【參考文獻(xiàn)】：
期刊論文
[1]多目標(biāo)跟蹤中多傳感器分布式控制策略[J]. 陳輝,鄧東明,韓崇昭.  控制理論與應(yīng)用. 2019(10)
[2]Labeled box-particle CPHD filter for multiple extended targets tracking[J]. ZOU Zhibin,SONG Liping,CHENG Xuan.  Journal of Systems Engineering and Electronics. 2019(01)
[3]基于GM-CPHD濾波算法的主動聲吶目標(biāo)跟蹤[J]. 陳曉,李亞安,李余興,蔚婧.  西北工業(yè)大學(xué)學(xué)報. 2018(04)
[4]基于高斯粒子CPHD濾波的多目標(biāo)檢測前跟蹤算法[J]. 馮新喜,魏帥,鹿傳國.  控制與決策. 2017(11)
[5]基于多模型GGIW-CPHD濾波的群目標(biāo)跟蹤算法[J]. 汪云,胡國平,甘林海.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2017(02)
[6]自適應(yīng)目標(biāo)新生強(qiáng)度的SMC-PHD/CPHD濾波[J]. 秦嶺,黃心漢.  控制與決策. 2016(08)
[7]多目標(biāo)跟蹤的核粒子概率假設(shè)密度濾波算法[J]. 莊澤森,張建秋,尹建君.  航空學(xué)報. 2009(07)

博士論文
[1]粒子濾波及其在目標(biāo)跟蹤中的應(yīng)用研究[D]. 張俊根.西安電子科技大學(xué) 2011



本文編號：3488790