本文關(guān)鍵詞：CBMeMBer濾波器序貫蒙特卡羅實現(xiàn)新方法的研究

  更多相關(guān)文章： 多目標(biāo)跟蹤 隨機有限集 輔助變量 序貫蒙特卡羅 多伯努利

【摘要】：為提升多伯努利濾波器序貫蒙特卡羅(Sequential Monte Carlo,SMC)實現(xiàn)中粒子采樣的有效性,提出一種CBMe MBer輔助粒子濾波(Auxiliary particle filter,APF)實現(xiàn)的新方法.首先,利用多伯努利后驗概率密度選擇適合于CBMe MBer濾波器的輔助變量去重新定義采樣問題.分別選擇量測和先驗密度分量作為輔助變量,確保最終的狀態(tài)粒子能夠集中在真實目標(biāo)量測對應(yīng)航跡的伯努利概率密度上進(jìn)行采樣,以使粒子向似然函數(shù)的峰值區(qū)移動,得到更為精確的多目標(biāo)多伯努利(Multi-target multi-Bernoulli,Me MBer)后驗概率密度的估計.同時,文中深入研究并給出了在量測更新和漏檢情況下輔助變量以及多目標(biāo)狀態(tài)采樣分布函數(shù)的設(shè)計,并研究利用漸近更新(Progressive correction,PC)算法對先驗密度分量的量測更新進(jìn)行迭代逼近計算,以提高最終分布函數(shù)求解的準(zhǔn)確度.最后,針對兩個典型非線性多目標(biāo)跟蹤問題的應(yīng)用驗證了算法的有效性.
【作者單位】： 西安交通大學(xué)智能網(wǎng)絡(luò)與網(wǎng)絡(luò)安全教育部重點實驗室;蘭州理工大學(xué)電氣工程與信息工程學(xué)院;
【關(guān)鍵詞】： 多目標(biāo)跟蹤 隨機有限集 輔助變量 序貫蒙特卡羅 多伯努利
【基金】：國家重點基礎(chǔ)研究發(fā)展計劃(973計劃)(2013CB329405) 國家自然科學(xué)基金創(chuàng)新研究群體(61221063);國家自然科學(xué)基金(61370037,61005026,61473217) 甘肅省高等學(xué)校科研項目(2014A-035)資助~~
【分類號】：TN713
【正文快照】： 基于隨機有限集(Random finite set,RFS)的多目標(biāo)跟蹤算法是典型的聯(lián)合決策與估計的方法,它從集值估計的整體角度描述和解決多目標(biāo)跟蹤問題,提供了一種無需做關(guān)聯(lián)決策解決多目標(biāo)跟蹤問題的理論框架.而眾所周知的是,數(shù)據(jù)關(guān)聯(lián)問題一直是傳統(tǒng)多目標(biāo)跟蹤算法的難點,它的存在對一般，

本文編號：923465