作者:彭华甫,黄高明,田威 单位:东北大学 出版:《控制与决策》2019年第02期 页数:8页  (PDF与DOC格式可能不同) PDF编号:PDFKZYC2019020010 DOC编号:DOCKZYC2019020019 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于概率假设密度的无线传感器网络多目标跟踪算法》PDF+DOC2014年第10期 岳亚南,张国良,汤文俊,姚二亮 《多目标跟踪中多传感器分布式控制策略》PDF+DOC2019年第10期 陈辉,邓东明,韩崇昭 《基于概率假设密度滤波的多目标跟踪算法》PDF+DOC2018年第05期 王春平,刘江义,杨文兵 《多传感器序贯势分布概率假设密度滤波》PDF+DOC2012年第06期 章飞,孙睿 《水下多目标跟踪技术综述》PDF+DOC2012年第03期 章飞,孙睿 《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 《分布式传感器多目标跟踪改进算法》PDF+DOC2020年第08期 徐悦,杨金龙,葛洪伟 《基于有限集统计学理论的目标跟踪技术研究综述》PDF+DOC2012年第07期 杨威,付耀文,龙建乾,黎湘 《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 《多传感器观测滞后系统分布式融合Wiener滤波器》PDF+DOC2008年第15期 吕楠,马静,孙书利
  • 梳理了随机有限集(RFS)的理论基础和发展脉络,重点对其在多目标跟踪中应用和实现的难点问题进行详细分析.首先针对单传感器情形,深入讨论RFS的几类典型近似技术,包括:概率假设密度(PHD)滤波器、势概率假设密度(CPHD)滤波器、多伯努利(MeMBer)滤波器以及泛化标签多伯努利(GLMB)滤波器,对其发展脉络进行分析,并对高斯混合(GM)及序贯蒙特卡罗(SMC)实现中面临的问题进行研究;其次,针对多传感器情形,介绍时空配准问题的处理方法,并分别从集中式、分布式融合两个方面对基于RFS多传感器多目标跟踪技术进行分析;再次,对RFS滤波器在实际应用中面临的困难及挑战进行分析;最后,基于现有研究进展,提出RFS在多目标跟踪领域未来需重点关注及研究的方向。

    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。