咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >多模型标签多伯努利机动目标跟踪算法 收藏

多模型标签多伯努利机动目标跟踪算法

Multiple model labeled multi-Bernoulli filter for maneuvering target tracking

作     者:邱昊 黄高明 左炜 高俊 QIU Hao;HUANG Gao-ming;ZUO Wei;GAO Jun

作者机构:海军工程大学电子工程学院湖北武汉430033 

出 版 物:《系统工程与电子技术》 (Systems Engineering and Electronics)

年 卷 期:2015年第37卷第12期

页      面:2683-2688页

核心收录:

学科分类:080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0808[工学-电气工程] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学] 081105[工学-导航、制导与控制] 0802[工学-机械工程] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基  金:国家高技术研究发展计划(863计划)(2014AAXXX4061)资助课题 

主  题:多目标跟踪 机动目标 标签多伯努利 序贯蒙特卡罗 

摘      要:针对标准标签多伯努利(labeled multi-Bernoulli,LMB)算法只考虑了单个运动模型的问题,提出了一种适用于跳转马尔科夫系统的多模型标签多伯努利(multiple model LMB,MM-LMB)算法。首先对目标状态进行扩展,将多模型思想引入LMB算法得到了新的预测和更新方程,并给出了算法的序贯蒙特卡罗实现。仿真实验表明,MM-LMB算法能对多机动目标进行有效跟踪,在复杂探测环境下跟踪精度优于多模型概率假设密度(multiple model probability hypothesis density,MM-PHD)算法和多模型势平衡多目标多伯努利(multiple model cardinality balanced multi-target multi-Bernoulli,MM-CBMeMBer)算法;所提算法计算量当目标相距较远时低于MM-PHD和MM-CBMeMBer,目标聚集时增长速度快于对比算法。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分