本文關(guān)鍵詞：基于改進(jìn)概率假設(shè)密度的多目標(biāo)跟蹤算法

  更多相關(guān)文章： 多目標(biāo)跟蹤 概率假設(shè)密度濾波 序貫蒙特卡羅 建議密度函數(shù) 均方根容積卡爾曼濾波

【摘要】：經(jīng)典序貫蒙特卡羅概率假設(shè)密度(Sequential Mote Carlo Probability Hypothesis Density,SMC-PHD)濾波中,將目標(biāo)狀態(tài)轉(zhuǎn)移密度函數(shù)做為建議密度函數(shù),沒(méi)有利用當(dāng)前觀測(cè)信息,導(dǎo)致大部分預(yù)測(cè)粒子狀態(tài)偏離目標(biāo)真實(shí)狀態(tài),粒子退化嚴(yán)重.針對(duì)上述問(wèn)題,提出利用均方根容積卡爾曼濾波產(chǎn)生建議密度函數(shù),對(duì)其進(jìn)行采樣得到預(yù)測(cè)粒子狀態(tài),該方法有嚴(yán)格理論基礎(chǔ),能有效減輕SMC-PHD濾波中的粒子退化,且適用性很強(qiáng).仿真實(shí)驗(yàn)對(duì)比了該算法、經(jīng)典SMC-PHD和基于無(wú)跡卡爾曼的SMC-PHD算法的跟蹤性能,驗(yàn)證了該方法無(wú)論對(duì)勢(shì)估計(jì)還是對(duì)目標(biāo)狀態(tài)估計(jì)的精度都優(yōu)于其他兩種算法.
【作者單位】： 西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 多目標(biāo)跟蹤 概率假設(shè)密度濾波 序貫蒙特卡羅 建議密度函數(shù) 均方根容積卡爾曼濾波
【基金】：國(guó)家自然科學(xué)基金(No.61401526)
【分類(lèi)號(hào)】：TN713
【正文快照】： 引言由于需要進(jìn)行數(shù)據(jù)關(guān)聯(lián),傳統(tǒng)的多目標(biāo)跟蹤算法運(yùn)算量大、實(shí)時(shí)性差.為解決上述問(wèn)題,Mahler基于隨機(jī)有限集[1](Random Finite Sets,RFS)理論,對(duì)多目標(biāo)跟蹤進(jìn)行集合建模,從而將單目標(biāo)貝葉斯濾波推廣到多目標(biāo)領(lǐng)域,避免了數(shù)據(jù)關(guān)聯(lián).但多目標(biāo)貝葉斯濾波的最優(yōu)解需要進(jìn)行集合積分,，

本文編號(hào)：551193