期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到109篇文章
< 1 2 … 6 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
Multi-sensor possibility PHD filter for space situational awareness 认领 引用 被引量：3
1
作者 Han CAI Chenbao XUE +2 位作者 Xiucong SUN Jeremie HOUSSINEAU Jingrui ZHANG 《Chinese Journal of Aeronautics》 SCIE EI CAS CSCD 2025年第6期58-76,共19页
Tracking multiple space objects using multiple surveillance sensors is a critical approach in many Space Situation Awareness(SSA) applications. In this process, the uncertainties of targets,dynamics, and observations ... Tracking multiple space objects using multiple surveillance sensors is a critical approach in many Space Situation Awareness(SSA) applications. In this process, the uncertainties of targets,dynamics, and observations are usually represented by the probability distributions. However, precise characterization of uncertainty becomes challenging due to imperfect knowledge about some key aspects, such as birth targets and sensor detection profiles. To overcome this challenge, this paper proposes a multi-sensor possibility PHD filter based on the theory of outer probability measures. An effective compensation method is introduced to tackle variations in the fields of view of SSA sensors or instances of missed detections, aiming to mitigate the inconsistency in localized information. The proposed method is adapted to centralized and distributed sensor networks, offering effective solutions for multi-sensor multi-target tracking. The major innovation of the proposed method compared with typical methods is the proper description of epistemic uncertainty, which yields more robust performance in the scenarios of lacking some information about the system.The effectiveness of the multi-sensor possibility PHD filter is demonstrated by a comparison with conventional methods in two simulated scenarios. 展开更多
关键词 Space situational awareness PHD filter Epistemicuncertainty Information fusion Spacedebris Outer probability measure
暂未订购 下载PDF
Multi-EAP: Extended EAP for multi-estimate extraction for SMC-PHD filter 认领 引用 被引量：8
2
作者 Li Tiancheng Juan M.Corchado +1 位作者 Sun Shudong Fan Hongqi 《Chinese Journal of Aeronautics》 SCIE EI CAS CSCD 2017年第1期368-379,共12页
The ability to extract state-estimates for each target of a multi-target posterior, referred to as multi-estimate extraction（MEE）, is an essential requirement for a multi-target filter, whose key performance assessm... The ability to extract state-estimates for each target of a multi-target posterior, referred to as multi-estimate extraction（MEE）, is an essential requirement for a multi-target filter, whose key performance assessments are based on accuracy, computational efficiency and reliability. The probability hypothesis density（PHD） filter, implemented by the sequential Monte Carlo approach,affords a computationally efficient solution to general multi-target filtering for a time-varying number of targets, but leaves no clue for optimal MEE. In this paper, new data association techniques are proposed to distinguish real measurements of targets from clutter, as well as to associate particles with measurements. The MEE problem is then formulated as a family of parallel singleestimate extraction problems, facilitating the use of the classic expected a posteriori（EAP） estimator, namely the multi-EAP（MEAP） estimator. The resulting MEAP estimator is free of iterative clustering computation, computes quickly and yields accurate and reliable estimates. Typical simulation scenarios are employed to demonstrate the superiority of the MEAP estimator over existing methods in terms of faster processing speed and better estimation accuracy. 展开更多
关键词 Data association EAP estimator Multi-target tracking PHD filter Particle filter
暂未订购 下载PDF
A novel SMC-PHD filter based on particle compensation 认领 引用
3
作者 徐从安 何友 +3 位作者 杨富程 简涛 王海鹏 李天梅 《Journal of Central South University》 SCIE EI CAS CSCD 2017年第8期1826-1836,共11页
As a typical implementation of the probability hypothesis density(PHD) filter, sequential Monte Carlo PHD(SMC-PHD) is widely employed in highly nonlinear systems. However, the particle impoverishment problem introduce... As a typical implementation of the probability hypothesis density(PHD) filter, sequential Monte Carlo PHD(SMC-PHD) is widely employed in highly nonlinear systems. However, the particle impoverishment problem introduced by the resampling step, together with the high computational burden problem, may lead to performance degradation and restrain the use of SMC-PHD filter in practical applications. In this work, a novel SMC-PHD filter based on particle compensation is proposed to solve above problems. Firstly, according to a comprehensive analysis on the particle impoverishment problem, a new particle generating mechanism is developed to compensate the particles. Then, all the particles are integrated into the SMC-PHD filter framework. Simulation results demonstrate that, in comparison with the SMC-PHD filter, proposed PC-SMC-PHD filter is capable of overcoming the particle impoverishment problem, as well as improving the processing rate for a certain tracking accuracy in different scenarios. 展开更多
关键词 random finite set（RFS） probability hypothesis density（PHD） particle filter（PF） particle impoverishment particle compensation multi-target tracking（MTT）
暂未订购 下载PDF
Multiple model PHD filter for tracking sharply maneuvering targets using recursive RANSAC based adaptive birth estimation 认领 引用 被引量：2
4
作者 DING Changwen ZHOU Di +2 位作者 ZOU Xinguang DU Runle LIU Jiaqi 《Journal of Systems Engineering and Electronics》 SCIE CSCD 2024年第3期780-792,共13页
An algorithm to track multiple sharply maneuvering targets without prior knowledge about new target birth is proposed. These targets are capable of achieving sharp maneuvers within a short period of time, such as dron... An algorithm to track multiple sharply maneuvering targets without prior knowledge about new target birth is proposed. These targets are capable of achieving sharp maneuvers within a short period of time, such as drones and agile missiles.The probability hypothesis density (PHD) filter, which propagates only the first-order statistical moment of the full target posterior, has been shown to be a computationally efficient solution to multitarget tracking problems. However, the standard PHD filter operates on the single dynamic model and requires prior information about target birth distribution, which leads to many limitations in terms of practical applications. In this paper,we introduce a nonzero mean, white noise turn rate dynamic model and generalize jump Markov systems to multitarget case to accommodate sharply maneuvering dynamics. Moreover, to adaptively estimate newborn targets’information, a measurement-driven method based on the recursive random sampling consensus (RANSAC) algorithm is proposed. Simulation results demonstrate that the proposed method achieves significant improvement in tracking multiple sharply maneuvering targets with adaptive birth estimation. 展开更多
关键词 multitarget tracking probability hypothesis density(PHD)filter sharply maneuvering targets multiple model adaptive birth intensity estimation
暂未订购 下载PDF
基于互信息熵-改进PHD协同的非合作双基地雷达目标跟踪 认领 引用
5
作者 潘嘉蒙 李纯 +2 位作者 郑曦楠 陈健 鲍庆龙 《雷达学报（中英文）》 EI CSCD 北大核心 2026年第2期637-649,共13页
针对非合作双基地雷达目标跟踪时主要面临的高杂波率、低检测概率等问题,该文提出了一种基于互信息熵和改进PHD滤波器的目标跟踪协同处理框架,首先将目标点和杂波点与参考模型间不同的统计相关程度量化为互信息熵值,基于互信息熵维特征... 针对非合作双基地雷达目标跟踪时主要面临的高杂波率、低检测概率等问题,该文提出了一种基于互信息熵和改进PHD滤波器的目标跟踪协同处理框架,首先将目标点和杂波点与参考模型间不同的统计相关程度量化为互信息熵值,基于互信息熵维特征完成杂波点迹筛除;其次通过动态权值补偿对经典PHD滤波器进行改进,减缓粒子权值归零过程的同时减少目标误删现象,解决低检测概率下点迹不连续且间隔随机给目标跟踪带来的点迹断联、目标丢失等问题。通过仿真实验验证了所提算法框架的有效性与性能,外场实测数据验证了所提方法在实际应用中可取得良好的目标跟踪结果。 展开更多
关键词 非合作双基地雷达 低检测概率 目标跟踪 互信息熵 PHD滤波
暂未订购 下载PDF
自适应PHD-BOF:一种基于低空监视雷达的慢速目标跟踪方法 认领 引用
6
作者 赵英健 蒋李兵 +2 位作者 郑舒予 杨庆伟 王壮 《雷达学报（中英文）》 EI CSCD 北大核心 2026年第2期605-619,共15页
以旋翼无人机为代表的低空目标可采用慢速巡航模式,使自身回波落于雷达多普勒盲区内,以躲避雷达检测跟踪。此外,低空环境中存在的复杂地固杂波,更进一步加剧了雷达对慢速目标的检测跟踪任务难度。为解决上述问题,该文基于随机有限集框架... 以旋翼无人机为代表的低空目标可采用慢速巡航模式,使自身回波落于雷达多普勒盲区内,以躲避雷达检测跟踪。此外,低空环境中存在的复杂地固杂波,更进一步加剧了雷达对慢速目标的检测跟踪任务难度。为解决上述问题,该文基于随机有限集框架,提出一种基于低空监视雷达的慢速目标跟踪方法。首先基于贝叶斯占用滤波思想,将雷达监视区域分割为沿角度-距离向的均匀网格,并依据慢速目标与地固杂波的动力学特性差异设计自适应滤波参数模块;之后,基于概率假设密度滤波器对多普勒盲区内的网格数据进行统一的滤波处理;最后,利用聚类方法从滤波结果中提取感兴趣目标的信息,实现对慢速目标的检测跟踪。在包含多个慢速目标、环境噪声、面杂波及地固点杂波的典型低空监视场景下,结合实测背景杂波数据的实验证明了所提算法对多个低空慢速目标跟踪的有效性、稳健性及性能优势。 展开更多
关键词 低空监视雷达 多普勒盲区 随机有限集 贝叶斯占用滤波器 概率假设密度滤波器
暂未订购 下载PDF
基于高斯过程与PHD滤波器的空间三维多扩展目标跟踪 认领 引用
7
作者 兰宇 吴健发 魏春岭 《中国空间科学技术（中英文）》 CSCD 北大核心 2026年第1期135-144,共10页
在空间预警、规避与非合作目标监视等任务中,为了更准确地获取目标的详细信息,需要同时估计目标的运动状态与形态特征,因此扩展目标跟踪算法的研究至关重要。针对这一需求,提出了一种适用于三维轨道空间的新型扩展目标跟踪算法。首先,... 在空间预警、规避与非合作目标监视等任务中,为了更准确地获取目标的详细信息,需要同时估计目标的运动状态与形态特征,因此扩展目标跟踪算法的研究至关重要。针对这一需求,提出了一种适用于三维轨道空间的新型扩展目标跟踪算法。首先,采用基于高斯过程(GP)的径向函数对三维形状进行非参数化建模,有效地解决了随机矩阵模型难以精确描述复杂形状的问题。然后,研究了基于随机有限集(RFS)理论的概率假设密度(PHD)多目标跟踪滤波器,充分发挥了RFS在无需显式数据关联方面的优势,有效应对了空间高密度杂波环境。最后,提出了一种基于改进欧式距离的动态阈值分区策略,在保证跟踪精度的同时显著提升计算效率。仿真结果表明,相较于基于随机矩阵的扩展目标跟踪算法,提出的GP-PHD滤波器在目标状态估计精度与三维形态描述能力上均显著提升,具体而言,其中形态描述指标IOU提升幅度达64%。该方法有效克服了传统目标跟踪方法在轨道空间中应用的局限性,为空间非合作目标跟踪提供了新的技术手段。 展开更多
关键词 空间多目标跟踪 高斯过程 扩展目标跟踪 PHD滤波器 随机有限集
暂未订购 下载PDF
基于多传感器数据GM-PHD滤波算法的列车LED信号灯周期控制 认领 引用
8
作者 肖彬 《计算技术与自动化》 2026年第1期84-91,共8页
随着城市轨道交通的快速发展,列车LED信号灯周期控制的精确性和安全性问题日益凸显。针对传统单一传感器数据控制方法的局限性,提出一种基于多传感器数据GM-PHD滤波算法的列车LED信号灯周期控制方法。该方法首先基于噪声加权机制,将多... 随着城市轨道交通的快速发展,列车LED信号灯周期控制的精确性和安全性问题日益凸显。针对传统单一传感器数据控制方法的局限性,提出一种基于多传感器数据GM-PHD滤波算法的列车LED信号灯周期控制方法。该方法首先基于噪声加权机制,将多传感器数据进行融合,以获得列车状态的准确感知;其次利用GM-PHD滤波算法实现列车运行状态的实时更新和预测,以达到目标的精准跟踪;最后将准确的列车运行状态传递给灯控系统,以动态调整LED信号灯周期。实验结果表明,该方法能显著提高列车运行的精确性和安全性,为城市轨道交通系统的优化提供了有效支持。 展开更多
关键词 多传感器数据 GM-PHD滤波算法 列车LED信号灯 周期控制 状态估计 交通安全 运行效率
暂未订购 下载PDF
PHD滤波器在多目标检测前跟踪中的应用 认领 引用 被引量：21
9
作者 童慧思 张颢 +1 位作者 孟华东 王希勤 《电子学报》 EI CAS CSCD 北大核心 2011年第9期2046-2051,共6页
检测前跟踪(TBD)用于对低信噪比目标的雷达检测与跟踪.同时,传统的概率假设密度(PHD)滤波器是解决多目标跟踪问题的有效方法,但它不适用于多目标TBD问题.本文通过分析多目标跟踪问题中PHD滤波器的适用模型和假设,提出了针对TBD的"... 检测前跟踪(TBD)用于对低信噪比目标的雷达检测与跟踪.同时,传统的概率假设密度(PHD)滤波器是解决多目标跟踪问题的有效方法,但它不适用于多目标TBD问题.本文通过分析多目标跟踪问题中PHD滤波器的适用模型和假设,提出了针对TBD的"标准"多目标观测模型,并对噪声进行了"泊松化",设计出一种能解决多目标TBD问题的PHD滤波器,从而使得PHD滤波器可以应用在多目标TBD问题之中,并充分发挥其处理多目标问题的优势.数值仿真结果表明,本文算法在估计的准确度和精度上都要优于经典的多目标粒子滤波器. 展开更多
关键词 雷达检测 多目标跟踪 检测前跟踪 PHD滤波器
暂未订购 下载PDF
一种非线性GM-PHD滤波新方法 认领 引用 被引量：14
10
作者 王品 谢维信 +1 位作者 刘宗香 李鹏飞 《电子学报》 EI CAS CSCD 北大核心 2012年第8期1597-1602,共6页
为了解决目标数未知情况下的多目标跟踪问题,提出了一种非线性条件下的高斯混合概率假设密度滤波新方法.该方法利用三阶球面容积-径向采样规则计算目标状态的概率分布特性,解决了状态方程和观测方程的非线性计算问题,利用模糊门限对滤... 为了解决目标数未知情况下的多目标跟踪问题,提出了一种非线性条件下的高斯混合概率假设密度滤波新方法.该方法利用三阶球面容积-径向采样规则计算目标状态的概率分布特性,解决了状态方程和观测方程的非线性计算问题,利用模糊门限对滤波器的剪枝方法进行了优化,避免了高斯项数目的指数增长,利用观测数据生成新目标密度,使滤波器具备了对观测空间任意位置随机出现新目标的跟踪能力.通过仿真实验比较了四种非线性高斯混合概率假设密度滤波方法的性能,实验结果验证了提出算法的有效性. 展开更多
关键词 多目标跟踪 随机有限集 概率假设密度滤波器 容积卡尔曼滤波 模糊门限
暂未订购 下载PDF
面向快速多目标跟踪的协同PHD滤波器 认领 引用 被引量：7
11
作者 杨峰 王永齐 +1 位作者 梁彦 潘泉 《系统工程与电子技术》 EI CSCD 北大核心 2014年第11期2113-2121,共9页
考虑到存活目标与新生目标在动态演化特性上的差异性,提出了面向快速多目标跟踪的协同概率假设密度(collaborative probability hypothesis density,CoPHD)滤波框架。该框架利用存活目标的状态信息,将量测动态划分为存活目标量测集与新... 考虑到存活目标与新生目标在动态演化特性上的差异性,提出了面向快速多目标跟踪的协同概率假设密度(collaborative probability hypothesis density,CoPHD)滤波框架。该框架利用存活目标的状态信息,将量测动态划分为存活目标量测集与新生目标量测集,在两个量测集分别运用PHD组处理更新基础上建立了处理模块的交互与协同机制,力图在保证跟踪精度的同时提高计算效率。该框架由于采用PHD组处理方式而具有状态自动提取功能。进一步给出了该框架的序贯蒙特卡罗算法实现。仿真结果表明,该算法在计算效率以及状态提取精度上具有明显优势。 展开更多
关键词 多目标跟踪 概率假设密度滤波器 状态提取 交互 协同 序贯蒙特卡罗方法
暂未订购 下载PDF
一种基于模糊聚类的PHD航迹维持算法 认领 引用 被引量：10
12
作者 欧阳成 姬红兵 田野 《电子学报》 EI CAS CSCD 北大核心 2012年第6期1284-1288,共5页
针对杂波环境下数量变化的多目标航迹关联问题,提出一种基于模糊聚类的PHD航迹维持算法.该算法充分利用多帧信息,对当前时刻状态进行多步预测,并根据惯性进行加权,然后利用模糊聚类求得当前估计属于每条航迹的隶属度,从而得到最终的航迹... 针对杂波环境下数量变化的多目标航迹关联问题,提出一种基于模糊聚类的PHD航迹维持算法.该算法充分利用多帧信息,对当前时刻状态进行多步预测,并根据惯性进行加权,然后利用模糊聚类求得当前估计属于每条航迹的隶属度,从而得到最终的航迹.与传统的估计与航迹关联算法不同,该算法在更新每条航迹信息时,不仅仅是简单地对相邻帧之间的对数似然比进行求和,而是通过加权聚类等操作综合考虑了多帧信息.实验结果表明,所提算法能够更好地保持目标航迹,即使在目标出现交叉的地方也能达到很好的跟踪精度,具有较强的鲁棒性和优良的航迹维持性能. 展开更多
关键词 模糊聚类 概率假设密度滤波 数据关联 航迹维持
暂未订购 下载PDF
改进的自适应新生目标强度PHD滤波 认领 引用 被引量：12
13
作者 欧阳成 华云 高尚伟 《系统工程与电子技术》 EI CSCD 北大核心 2013年第12期2452-2458,共7页
自适应新生目标强度(probability hypothesis density,PHD)滤波是一种新颖的量测驱动的多目标跟踪算法。然而,该算法存在归一化失衡问题,且在航迹生成方面存在一定的滞后现象。针对以上问题,提出一种改进算法。首先,在分析归一化失衡问... 自适应新生目标强度(probability hypothesis density,PHD)滤波是一种新颖的量测驱动的多目标跟踪算法。然而,该算法存在归一化失衡问题,且在航迹生成方面存在一定的滞后现象。针对以上问题,提出一种改进算法。首先,在分析归一化失衡问题的基础上,提出一种归一化因子修正方法,有效解决该问题。其次,在高斯混合框架下对算法进行实现,并引入一种新的航迹回溯机制,通过对每个高斯分量进行标记,然后对存在概率超过确认门限的分量进行回溯,从而得到每个目标的完整航迹。实验结果表明,改进算法在新生目标搜索和多目标航迹生成方面均优于传统算法,具有良好的工程应用前景。 展开更多
关键词 随机集 概率假设密度滤波 量测驱动 多目标跟踪
暂未订购 下载PDF
基于JMS-SMC-PHD滤波的检测前跟踪算法 认领 引用 被引量：6
14
作者 薛秋条 宁巧娇 +2 位作者 吴孙勇 蔡如华 伍雯雯 《红外技术》 CSCD 北大核心 2020年第8期783-788,共6页
针对低信噪比条件下机动目标的检测与跟踪问题,提出跳跃马尔可夫系统下的序贯蒙特卡罗概率假设密度(JMS-SMC-PHD)滤波的检测前跟踪算法。该算法在机动目标数目和模型未知情况下,直接利用红外传感器量测数据,通过在目标状态矢量中增加模... 针对低信噪比条件下机动目标的检测与跟踪问题,提出跳跃马尔可夫系统下的序贯蒙特卡罗概率假设密度(JMS-SMC-PHD)滤波的检测前跟踪算法。该算法在机动目标数目和模型未知情况下,直接利用红外传感器量测数据,通过在目标状态矢量中增加模型变量并利用马尔可夫模型概率转移矩阵结合序贯蒙特卡罗概率假设密度(SMC-PHD)滤波,实现机动弱小目标的检测前跟踪。仿真结果表明所提方法可以有效地实现目标的检测与跟踪。 展开更多
关键词 检测前跟踪 跳跃马尔可夫系统 概率假设密度滤波 序贯蒙特卡罗 机动弱小目标
暂未订购 下载PDF
结合聚类的GM-PHD滤波器辐射源群目标跟踪 认领 引用 被引量：8
15
作者 朱友清 周石琳 高贵 《系统工程与电子技术》 EI CSCD 北大核心 2015年第9期1967-1973,共7页
群目标跟踪是一种情况更为复杂的多目标跟踪问题,由于军事辐射源目标经常出现雷达关机的情况,因此常用的多目标跟踪方法对于这类辐射源群目标的跟踪效果并不理想。为此,结合聚类技术提出了一种改进的高斯混合概率假设密度(Gaussian mixt... 群目标跟踪是一种情况更为复杂的多目标跟踪问题,由于军事辐射源目标经常出现雷达关机的情况,因此常用的多目标跟踪方法对于这类辐射源群目标的跟踪效果并不理想。为此,结合聚类技术提出了一种改进的高斯混合概率假设密度(Gaussian mixture-probability hypothesis density,GM-PHD)滤波器跟踪方法。该方法在GM-PHD滤波器的更新过程中,通过引入群中心产生的虚拟量测信息以提高目标跟踪性能,但不进行量测集划分。获得单一个体目标的估计状态后利用Jensen-Shannon divergence计算其相似度,然后再对估计目标进行聚类以实现群目标的跟踪。最后通过对相邻时刻的群中心轨迹点进行关联匹配,从而获得群目标的完整运动轨迹。仿真实验结果表明,所提方法能够对辐射源群目标进行有效跟踪,并具有较好的目标跟踪性能。 展开更多
关键词 群目标跟踪 高斯混合概率假设密度滤波器 聚类 航迹提取
暂未订购 下载PDF
一种新的SMC-PHD滤波的多目标状态估计方法 认领 引用 被引量：6
16
作者 罗少华 徐晖 薛永宏 《宇航学报》 EI CAS CSCD 北大核心 2011年第10期2187-2193,共7页
针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不... 针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。 展开更多
关键词 随机有限集 SMC-PHD滤波 多目标跟踪 状态估计 轨迹关联
暂未订购 下载PDF
基于多目标不确定性改进的GM-PHD滤波器 认领 引用 被引量：5
17
作者 王奎武 张秦 虎小龙 《兵工学报》 EI CAS CSCD 北大核心 2022年第12期3113-3121,共9页
基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法。GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性。为此,提出在考虑高斯... 基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法。GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性。为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并。理论分析和仿真结果表明:该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法。 展开更多
关键词 多目标跟踪 随机有限集 高斯混合概率假设密度滤波器 高斯混合 状态估计
暂未订购 下载PDF
针对交叉目标场景的带标签GM-PHD改进算法 认领 引用 被引量：3
18
作者 陈金广 赵甜甜 +1 位作者 王明明 王伟 《计算机工程》 CAS CSCD 北大核心 2018年第6期316-320,共5页
在多目标跟踪系统中,当目标航迹较为接近或交叉时,使用带标签高斯混合概率假设密度(GM-PHD)算法会出现目标漏检的现象。为此,提出一种改进算法来解决存在交叉目标情况下的多目标跟踪问题。在更新结束后对估计得到的高斯项标签进行管理,... 在多目标跟踪系统中,当目标航迹较为接近或交叉时,使用带标签高斯混合概率假设密度(GM-PHD)算法会出现目标漏检的现象。为此,提出一种改进算法来解决存在交叉目标情况下的多目标跟踪问题。在更新结束后对估计得到的高斯项标签进行管理,若估计目标数目减少,则需要判断目标航迹是否较为接近或者交叉。若目标接近或交叉,则对高斯项进行标签管理和权值重置,并重新估计目标状态和航迹,否则将目标减少视为正常的目标消亡现象,直接进行航迹管理。实验结果表明,与无标签算法及常规带标签算法相比,该算法可以更好地解决由目标交叉导致的漏检问题,并具有更高的稳定性。 展开更多
关键词 交叉目标 目标跟踪 概率假设密度滤波 信息融合 状态估计
暂未订购 下载PDF
一种多传感器自适应量测迭代更新GM-PHD跟踪算法 认领 引用 被引量：3
19
作者 申屠晗 李凯斌 +2 位作者 荣英佼 李彦欣 郭云飞 《电子与信息学报》 EI CAS CSCD 北大核心 2022年第12期4168-4177,共10页
针对多传感器观测数据质量不同且未知时,多传感器量测迭代更新高斯混合概率假设密度(GM-PHD)滤波器跟踪算法的结果对更新顺序敏感的问题,该文提出一种多传感器自适应量测迭代更新GM-PHD跟踪算法AIUGM-PHD。首先基于多传感器融合一致性度... 针对多传感器观测数据质量不同且未知时,多传感器量测迭代更新高斯混合概率假设密度(GM-PHD)滤波器跟踪算法的结果对更新顺序敏感的问题,该文提出一种多传感器自适应量测迭代更新GM-PHD跟踪算法AIUGM-PHD。首先基于多传感器融合一致性度量,提出一种用于在线评估各传感器跟踪结果质量的方法;然后对多传感器迭代融合顺序进行优化,最后构建相应的多传感器GM-PHD融合跟踪算法。为了解决多传感器自适应顺序迭代融合无法体现传感器质量差距的问题,提出了一种自适应带权伪量测迭代更新GM-PHD跟踪算法PAIU-GMPHD。仿真结果表明,与常规多传感器迭代更新GM-PHD跟踪算法相比,所提算法能够获得鲁棒性更好、精度更高的跟踪结果。 展开更多
关键词 多传感器多目标跟踪 随机有限集 自适应融合 高斯混合概率假设密度滤波器 量测迭代更新
暂未订购 下载PDF
非线性量测下自适应噪声协方差PHD滤波 认领 引用 被引量：2
20
作者 袁常顺 王俊 +2 位作者 向洪 魏少明 张耀天 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2017年第1期53-60,共8页
概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自... 概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。 展开更多
关键词 随机有限集 多目标跟踪 未知量测噪声协方差 变分贝叶斯(VB) 概率假设密度(PHD)滤波
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 6 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈