《基于模型类型匹配PHD滤波器和TBM的多目标联合跟踪分类》PDF+DOC
作者:詹锟,蒋宏,赵天衢,于耀中
单位:中国航天科工防御技术研究院;中国宇航学会;中国系统工程学会
出版:《系统工程与电子技术》2016年第10期
页数:9页 (PDF与DOC格式可能不同)
PDF编号:PDFXTYD2016100030
DOC编号:DOCXTYD2016100039
下载格式:PDF + Word/doc 文字可复制、可编辑
《多传感器多目标跟踪的粒子PHD滤波算法》PDF+DOC2010年第04期 郝燕玲,孟凡彬,张崇猛,蔡艺峰,王素鑫
《多传感器高斯混合PHD融合多目标跟踪方法》PDF+DOC2017年第06期 申屠晗,薛安克,周治利
《多传感器箱粒子PHD滤波多目标跟踪算法》PDF+DOC2020年第04期 蔡如华,杨标,吴孙勇
《基于数据压缩的多传感器PHD滤波算法》PDF+DOC2011年第02期 谭顺成,王国宏,徐海全,王娜
《一种新的目标跟踪算法研究》PDF+DOC2009年第03期 齐立峰,冯新喜,惠小平,白剑林
《异步多传感器多目标PHD航迹合成算法》PDF+DOC2013年第12期 吴鑫辉,黄高明,高俊
《面向无人机高度融合估计的自适应S滤波方法》PDF+DOC2013年第05期 马旭,程咏梅,郝帅
《基于概率假设密度滤波方法的多目标跟踪技术综述》PDF+DOC2013年第11期 杨峰,王永齐,梁彦,潘泉
《一种测量引流液体流速的传感器的设计》PDF+DOC2017年第04期 于学龙,刘传永,张卫平,张明,韩爱民
《基于无线传感器和视频融合的室内定位技术研究》PDF+DOC2011年第01期 杜海涛,全春来,周翔
为了解决杂波和漏检下多目标的联合跟踪与分类问题,提出了模型类型匹配概率假设密度(probability hypothesis density,PHD)滤波器,同时将其与多传感器的可转移信度模型(transferable belief model,TBM)框架相结合,并用多个运动学雷达和粒子滤波递推实现。该算法对飞行器的先验信息进行估计,从而替代了属性传感器。在预测阶段,根据模型和类型对PHD滤波器进行粒子匹配;传感器得到观测结果后进行粒子权重的更新;再根据粒子对应的权重得到目标的后验状态-模型-类型分布;这些PHD滤波器可以同时得到目标的状态和类型;结合TBM和航迹粒子标签算法,得到多个传感器的融合结果。仿真表明,本文提出的模型类型匹配PHD滤波器的性能比传统多模型PHD滤波器更精确,同时多传感器的TBM框架也全面提升了算法的性能。
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。