本文選題：隱馬爾科夫模型 + Pairwise馬爾科夫模型　； 參考：《自動(dòng)化學(xué)報(bào)》2017年12期

【摘要】：由于在實(shí)際應(yīng)用中目標(biāo)模型不一定滿足隱馬爾科夫模型(Hidden Markov model,HMM)隱含的馬爾科夫假設(shè)和獨(dú)立性假設(shè)條件,一種更為一般化的Pairwise馬爾科夫模型(Pairwise Markov model,PMM)被提出.它放寬了HMM的結(jié)構(gòu)性限制,可以有效地處理更為復(fù)雜的目標(biāo)跟蹤場景.本文針對雜波環(huán)境下的多目標(biāo)跟蹤問題,提出一種在PMM框架下的勢均衡多目標(biāo)多伯努利(Cardinality balanced multi-target multi-Bernoulli,CBMe MBer)濾波器,并給出它在線性高斯PMM條件下的高斯混合(Gaussian mixture,GM)實(shí)現(xiàn).最后,采用一種滿足HMM局部物理特性的線性高斯PMM,將本文所提算法與概率假設(shè)密度(Probability hypothesis density,PHD)濾波器進(jìn)行比較.實(shí)驗(yàn)結(jié)果表明本文所提算法的跟蹤性能優(yōu)于PHD濾波器.
[Abstract]:Since the objective model does not necessarily satisfy the Markov hypothesis and independence hypothesis implied by Hidden Markov model HMMs in practical application, a more general Pairwise Markov model is proposed. It relaxes the structural constraints of HMM and can effectively handle more complex target tracking scenarios. In this paper, for the multi-target tracking problem in clutter environment, a potential equalization multi-Bernoulli balanced multi-target multi-Bernoullili balanced multi-target CBM M Ber-filter under PMM framework is proposed, and its implementation under linear Gao Si PMM condition is given. Finally, a linear HMM hypothesis filter satisfying the local physical properties of HMM is proposed. The proposed algorithm is compared with the probabilistic assumption density hypothesis density (PHD) filter. The experimental results show that the tracking performance of the proposed algorithm is better than that of PHD filter.
【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(diǎn)實(shí)驗(yàn)室;
【基金】：國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)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(61573271,61473217,61370037)資助~~
【分類號】：O211.62;TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮江浪;;改進(jìn)灰色馬爾科夫模型及其在水資源預(yù)測中的利用[J];物探化探計(jì)算技術(shù);2010年01期

2 趙娟;秦玉芳;劉太崗;王軍;;基于一種新型馬爾科夫模型的預(yù)測蛋白質(zhì)亞細(xì)胞位點(diǎn)的方法(英文)[J];上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

3 陳振頌;李延來;;基于廣義信度馬爾科夫模型的顧客需求動(dòng)態(tài)分析[J];計(jì)算機(jī)集成制造系統(tǒng);2014年03期

4 陳永;馮元;龐思偉;;基于灰色馬爾科夫模型的傳染病預(yù)測[J];信息與電腦(理論版);2010年02期

5 吳金華;戴淼;;基于改進(jìn)算法的灰色馬爾科夫模型的建設(shè)用地預(yù)測[J];安徽農(nóng)業(yè)科學(xué);2010年08期

6 汪可;楊麗君;廖瑞金;齊超亮;周nv;;基于離散隱式馬爾科夫模型的局部放電模式識別[J];電工技術(shù)學(xué)報(bào);2011年08期

7 鄧鑫洋;鄧勇;章雅娟;劉琪;;一種信度馬爾科夫模型及應(yīng)用[J];自動(dòng)化學(xué)報(bào);2012年04期

8 陳煥珍;;基于灰色馬爾科夫模型的青島市糧食產(chǎn)量預(yù)測[J];計(jì)算機(jī)仿真;2013年05期

9 張延利;張德生;井霞霞;任世遠(yuǎn);;基于無偏灰色馬爾科夫模型的人民幣/美元匯率短期預(yù)測模型[J];陜西科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

10 佟光霽;張林;;基于灰色馬爾科夫模型的農(nóng)民收入質(zhì)與量預(yù)測[J];商業(yè)研究;2012年09期

相關(guān)會議論文 前2條

1 王虎平;李煒;趙志理;;基于灰色馬爾科夫模型的杭州市客流預(yù)測[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計(jì)算大會、第十三屆中國青年信息與管理學(xué)者大會論文集[C];2011年

2 ;Support Vector Machines for Multi-Class Pattern Recognition Based on Improved Voting Strategy[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

相關(guān)碩士學(xué)位論文 前6條

1 張勝娜;含有隱變量的高階馬爾科夫模型的理論及應(yīng)用[D];電子科技大學(xué);2014年

2 俞竣瀚;基于極限學(xué)習(xí)機(jī)馬爾可夫模型的結(jié)構(gòu)健康狀態(tài)預(yù)測研究[D];長安大學(xué);2016年

3 何亞楠;基于馬爾科夫模型的出行目的地預(yù)測[D];吉林大學(xué);2017年

4 張海君;基于馬爾科夫模型的沙漠?dāng)U散和天氣預(yù)測[D];新疆大學(xué);2013年

5 蔡亮亮;改進(jìn)的灰色馬爾科夫模型及其對全國郵電業(yè)務(wù)總量的預(yù)測[D];南京郵電大學(xué);2013年

6 葉t，

本文編號：1911666