本文關(guān)鍵詞：一種改進(jìn)的多伯努利多目標(biāo)跟蹤算法

  更多相關(guān)文章： 多目標(biāo)跟蹤 勢均衡多伯努利濾波 粒子濾波 重要性密度函數(shù) 均方根容積卡爾曼濾波

【摘要】：針對粒子勢均衡多目標(biāo)多伯努利濾波的粒子實現(xiàn)形式所需粒子數(shù)多、粒子退化嚴(yán)重的問題,將均方根容積卡爾曼濾波與粒子勢均衡多目標(biāo)多伯努利濾波相結(jié)合,提出均方根容積卡爾曼粒子勢均衡多目標(biāo)多伯努利濾波算法.該算法利用均方根容積卡爾曼濾波構(gòu)建重要性密度函數(shù),再對其進(jìn)行采樣獲得預(yù)測粒子狀態(tài),從而提高粒子的準(zhǔn)確性,減輕粒子退化.與基于無跡卡爾曼的粒子勢均衡多目標(biāo)多伯努利濾波相比,該算法更穩(wěn)定,且算法性能不受目標(biāo)狀態(tài)維數(shù)的限制.仿真實驗表明,所提算法與粒子勢均衡多目標(biāo)多伯努利濾波算法和基于無跡卡爾曼的粒子勢均衡多目標(biāo)多伯努利濾波算法相比,其跟蹤精度更高.
【作者單位】： 西安電子科技大學(xué)雷達(dá)信號處理國家重點(diǎn)實驗室;
【關(guān)鍵詞】： 多目標(biāo)跟蹤 勢均衡多伯努利濾波 粒子濾波 重要性密度函數(shù) 均方根容積卡爾曼濾波
【基金】：國家自然科學(xué)基金資助項目(61401526)
【分類號】：TN713
【正文快照】： 近些年,基于隨機(jī)有限集(Random Finite Sets,RFS)[1]的多目標(biāo)跟蹤算法開辟了多目標(biāo)跟蹤的一個新領(lǐng)域,此類算法的基本思想是對目標(biāo)狀態(tài)和觀測量進(jìn)行集合建模,將單目標(biāo)貝葉斯濾波推廣到多目標(biāo)領(lǐng)域,從而避免了數(shù)據(jù)關(guān)聯(lián).此類算法的典型代表有概率假設(shè)密度(Probability Hypothesis

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前8條

1 田淑榮;王國宏;何友;;多目標(biāo)跟蹤的概率假設(shè)密度粒子濾波[J];海軍航空工程學(xué)院學(xué)報;2007年04期

2 王延杰;主客觀協(xié)調(diào)估計實現(xiàn)多目標(biāo)跟蹤[J];光機(jī)電信息;1997年12期

3 董康軍;馮洋;;多目標(biāo)跟蹤的概率假設(shè)密度濾波[J];渭南師范學(xué)院學(xué)報;2008年02期

4 孫杰;李冬;;多目標(biāo)跟蹤的多伯努利平滑方法[J];數(shù)字通信;2014年02期

5 李衛(wèi)華;紅外多目標(biāo)跟蹤與預(yù)測技術(shù)的研究[J];紅外;2002年06期

6 郝燕玲;孟凡彬;張崇猛;蔡藝峰;王素鑫;;多傳感器多目標(biāo)跟蹤的粒子PHD濾波算法[J];傳感器與微系統(tǒng);2010年04期

7 E.W.卡門 ,C.R.薩斯特賴 ,王俊儀;使用位置量測值乘積的多目標(biāo)跟蹤(二)[J];情報指揮控制系統(tǒng)與仿真技術(shù);1994年04期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 敬忠良;王培德;周宏仁;;機(jī)動多目標(biāo)跟蹤統(tǒng)一方法[A];1991年控制理論及其應(yīng)用年會論文集（下）[C];1991年

2 王芝;徐曉濱;文成林;;混合高斯PHD濾波器及其在多目標(biāo)跟蹤中的應(yīng)用[A];2009中國控制與決策會議論文集（2）[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張鶴冰;概率假設(shè)密度濾波算法及其在多目標(biāo)跟蹤中的應(yīng)用[D];哈爾濱工程大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 司冠楠;面向多目標(biāo)跟蹤的多傳感器數(shù)據(jù)融合方法研究[D];沈陽理工大學(xué);2014年

2 肖本潔;機(jī)器人同時定位制圖及多目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2013年

，

本文編號：644473