《基于SMC-PHDF的部分可分辨的群目标跟踪算法》PDF+DOC
作者:连峰,韩崇昭,刘伟峰,元向辉
单位:中国自动化学会;中国科学院自动化所
出版:《自动化学报》2010年第05期
页数:11页 (PDF与DOC格式可能不同)
PDF编号:PDFMOTO2010050140
DOC编号:DOCMOTO2010050149
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于随机有限集的多目标跟踪算法综述》PDF+DOC2016年第03期 吴卫华,江晶,冯讯,刘重阳,秦星
《多光电跟踪设备异步序贯分布式目标跟踪算法》PDF+DOC2017年第09期 楚天鹏
《改进高斯混合粒子滤波的纯方位目标跟踪算法》PDF+DOC2012年第07期 孔云波,冯新喜,鹿传国,刘振涛
《基于分布式数据融合的无线移动传感器网络目标跟踪算法》PDF+DOC2011年第07期 田浩,韩屏
《基于功率控制的多节点协同目标跟踪算法》PDF+DOC2011年第16期 韩屏,王怀兴,孔祥斌
《弹道导弹群目标跟踪技术综述》PDF+DOC2015年第03期 李昌玺,周焰,郭戈,张晨
《多机动目标GM-CBMeMBer跟踪算法》PDF+DOC2015年第10期 陈金广,王战,马丽丽
《目标跟踪中的混合多模方法:综述》PDF+DOC2001年第04期 张安民,杨世兴,李志舜
《改善边扫描边跟踪雷达检测和跟踪性能的新方法 第二部分 检测、跟踪开始和关联》PDF+DOC1988年第01期 王德纯
《基于最小二乘法的蒙特卡洛移动节点定位算法》PDF+DOC2012年第04期 刘志华,李改燕,刘晓爽
提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter,SMC-PHDF)的部分可分辨的群目标跟踪算法.该算法可直接获得群而非个体的个数和状态估计.这里群的状态包括群的质心状态和形状.为了估计群的个数和状态,该算法利用高斯混合模型(Gaussian mixture models,GMM)拟合SMC-PHDF中经重采样后的粒子分布,这里混合模型的元素个数和参数分别对应于群的个数和状态.期望最大化(Expectation maximum,EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法分别被用于估计混合模型的参数.混合模型的元素个数可通过删除、合并及分裂算法得到.100次蒙特卡洛(Monte Carlo,MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标.相比EM算法,MCMC算法能够更好地提取群的个数和状态,但它的计算量要大于EM算法。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。