检索结果-南通市图书馆

电光与控制 2018年第5期25卷 12-16页

作者：吴孙勇宁巧娇蔡如华刘义强孙希延桂林电子科技大学数学与计算科学学院广西桂林541004 广西精密导航技术与应用重点实验室广西桂林541004

针对现有箱粒子概率假设密度(BOX-PHD)滤波存在箱粒子冗余问题,提出一种箱粒子划分的概率假设密度滤波多目标跟踪算法。该算法在目标状态估计的更新阶段之前,将预测得到的每一个箱粒子划分成多个箱粒子,从而得到等价的箱粒子集,然后对... 详细信息

针对现有箱粒子概率假设密度(BOX-PHD)滤波存在箱粒子冗余问题,提出一种箱粒子划分的概率假设密度滤波多目标跟踪算法。该算法在目标状态估计的更新阶段之前,将预测得到的每一个箱粒子划分成多个箱粒子,从而得到等价的箱粒子集,然后对这些箱粒子集的权值利用区间量测进行更新,从而估计目标的状态及数目。该划分由于将箱粒子划分更小,能更好地利用区间量测信息,可以有效避免箱粒子因压缩不足而导致的估计有偏情况。仿真结果表明所提方法可以有效地提高目标的跟踪性能。

关键词：多目标跟踪箱粒子区间分析概率假设密度滤波箱粒子划分

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

划分交互式箱粒子概率假设密度滤波法

引用

计算机技术与发展 2021年第4期31卷 57-62页

作者：王海杨小军长安大学信息工程学院陕西西安710064

针对现有的多机动目标追踪问题,将交互式多模型(interacting multiple model,IMM)思想与箱粒子概率假设密度滤波器(box probability hypothesis density filter,Box-PHD)相结合,并针对箱粒子在区间密集杂波等复杂环境下箱体偏大,所导致... 详细信息

针对现有的多机动目标追踪问题,将交互式多模型(interacting multiple model,IMM)思想与箱粒子概率假设密度滤波器(box probability hypothesis density filter,Box-PHD)相结合,并针对箱粒子在区间密集杂波等复杂环境下箱体偏大,所导致的箱粒子冗余和目标跟踪位置估计不精确等问题,引入箱粒子划分技术,提出一种划分交互式概率假设密度滤波(partitioned interacting multiple model probability hypothesis density filter,PIMM-Box-PHD)算法,来处理椭圆形多机动目标的跟踪问题。该算法首先在预测阶段针对多目标的机动问题引入IMM预测,利用多模型交互方法来解决目标运动时模型失配问题;其次,利用箱划分技术将预测得到的箱粒子划分为大小和权值相同的多个子箱,以提高目标位置估计精度;最后,利用Box-PHD滤波对划分后的小箱粒子集进行区间量测更新。利用实验验证了PIMM-Box-PHD算法在多机动目标跟踪方面的良好性能,以及相较于IMM-Box-PHD算法在目标位置估计方面的优势。

关键词：交互式多模机动目标追踪概率假设密度滤波箱粒子滤波箱粒子划分

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于箱粒子概率假设密度滤波的多目标跟踪

基于箱粒子概率假设密度滤波的多目标跟踪

引用

作者：王海长安大学

学位级别：硕士

目标跟踪是利用多源异构传感器对选取的运动目标进行状态估计的过程。不论是民用满足人们日常出行的需求,还是军用作为现代高科技战争和航空航天等领域的关键技术,一直以来都是国内外专家学者的研究热点。本文基于随机有限集理论框架下... 详细信息

目标跟踪是利用多源异构传感器对选取的运动目标进行状态估计的过程。不论是民用满足人们日常出行的需求,还是军用作为现代高科技战争和航空航天等领域的关键技术,一直以来都是国内外专家学者的研究热点。本文基于随机有限集理论框架下的PHD和CPHD滤波器,结合箱粒子滤波方法,研究了多目标跟踪和多扩展目标跟踪的一些具体问题,主要工作如下:1、针对现有的多目标追踪问题,将交互式多模型(Interacting Multiple Model,IMM)思想与箱粒子概率假设密度滤波器(Box Probability Hypothesis Density Filter,Box-PHD)相结合,并针对箱粒子在复杂环境下箱体偏大所导致的冗余和目标位置估计不精确等问题,提出一种划分交互式箱粒子概率假设密度滤波(Partitioned Interacting Multiple Model Box Probability Hypothesis Density Filter,PIMM-Box-PHD)算法。该算法首先在预测阶段针对多目标的机动问题引入IMM预测,利用多模型交互方法来解决目标运动时模型失配问题;其次,利用箱划分技术将预测得到的箱粒子划分为大小和权值相同的多个子箱,以提高目标位置估计精度;最后,利用Box-PHD对划分后的小箱粒子集进行区间量测更新。利用实验验证了本文所提PIMM-Box-PHD算法在椭圆形多机动目标跟踪方面的良好性能,以及相较于IMM-Box-PHD算法在目标位置估计方面的优势。2、针对当前扩展目标跟踪量测划分方法中,距离划分存在划分数过多、计算复杂度高等问题,将密度峰值快速聚类算法CFSFDP(Clustering by fast search and find of density peaks)与箱粒子势概率假设密度滤波器(Box Cardinalized Probability Hypothesis Density Filter,Box-CPHD)相结合,提出基于CFSFDP算法的箱粒子CPHD扩展目标滤波算法。该算法利用CFSFDP划分扩展目标量测集,基于量测信息密度的不同可以有效划分区间量测,并剔除杂波量测,然后采用Box-CPHD进行预测更新和目标状态估计。仿真实验表明与经典的距离划分方法对比,CFSFDP在达到同等效果的前提下,运行时间明显减少;在剔除杂波之后的高杂波环境下,杂波的变化只影响距离划分的运算时间而不再影响CFSFDP划分,采用CFSFDP处理量测信息可以有效提高运行效率和算法实时性,剔除杂波之后在一定程度上提高了目标位置估计精度。

关键词：机动目标跟踪扩展目标跟踪箱粒子滤波箱粒子划分量测划分 CFSFDP

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：