作者：张强,于俊朋,谢苏道 单位：南京电子技术研究所 出版：《现代雷达》2019年第08期 页数：5页  （PDF与DOC格式可能不同） PDF编号：PDFXDLD2019080090 DOC编号：DOCXDLD2019080099 下载格式：PDF + Word/doc 文字可复制、可编辑
《基于随机集理论的多个声目标融合跟踪》PDF+DOC2010年第12期 林晓东,朱林户,王瑛 《一种交叉多目标跟踪算法》PDF+DOC2016年第02期 廖小云,高嵩,陈超波 《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 《基于自适应压缩感知与处理的雷达多目标跟踪》PDF+DOC2018年第01期 滕志臣,蒋沅,吴易耘,黄汉江 《面向应用的GM-CPHD雷达多目标跟踪技术》PDF+DOC2019年第02期 张强,陆耀宾,于俊朋 《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 《基于高斯粒子JPDA滤波的多目标跟踪算法》PDF+DOC2010年第11期 张俊根,姬红兵,蔡绍晓 《基于随机集理论的模糊观测多目标跟踪方法》PDF+DOC2013年第07期 林晓东,朱林户,吴琳琳,张晓丰 《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 《基于ET-GM-PHD的多传感器多目标跟踪算法》PDF+DOC2013年第10期 刘丽娟,刘国栋

    • 针对雷达密集多目标跟踪数据关联的难题，深入研究了可以避免数据关联的多目标跟踪方法-高斯混合概率假设密度算法(GM-PHD)。首先，将多目标的运动和多目标量测建模为随机有限集的形式，并给出了相应的最优多目标贝叶斯滤波器；然后，在线性高斯假设条件下，详细给出了GM-PHD均值、方差和权值的递归形式，降低了计算复杂度，满足跟踪实时性要求；最后，开展了仿真实验和实测数据实验，实验结果显示GM-PHD在不需要数据关联的情况下，能够有效抑制大量杂波，稳定地跟踪密集多目标。

    📙 相关资料

    1. 《基于随机集理论的多个声目标融合跟踪》PDF+DOC 针对杂波环境下，采用多个被动声传感器跟踪多个声目标的应用场合，建立了多个声目标跟踪的随机有限集模型，采用概率假设密度(probability hypothesis density，PHD)粒子滤波对该模型进行求解。针对PHD滤波器只适用于单传感器的问题，提出了一种实现多个声传感器融合跟踪的方法。该方......
    2. 《一种交叉多目标跟踪算法》PDF+DOC 为了解决多目标跟踪过程中由目标轨迹交叉引起的跟踪算法复杂度增加以及跟踪精度降低的问题，提出了一种改进的基于随机有限集的交叉多目标跟踪算法。该算法以高斯混合参数代替概率密度假设来降低算法复杂度和减小跟踪误差。最后在线性高斯条件下进行了MATLAB仿真实验，模拟多目标的运动过程，应用本文提出的改进算法和......
    3. 《基于概率假设密度的无线传感器网络多目标跟踪算法》PDF+DOC 针对无线传感器网络多目标跟踪过程中杂波难以去除以及由数据关联复杂带来的计算复杂度高的问题，将概率假设密度滤波器应用于无线传感器网络，以更好地对多目标状态信息进行融合估计；首先，建立簇-树型无线传感器网络模型，并运用随机有限集理论对目标状态模型和传感器观测模型进行描述；然后，根据目标与节点之间的距离设......
    4. 《基于自适应压缩感知与处理的雷达多目标跟踪》PDF+DOC 自适应压缩感知与处理方法(Adaptive Compressive Sensing and Processing，ACSP)能够减少计算负荷，但现有的基于自适应压缩感知与处理的雷达目标跟踪方法仅限于单目标的跟踪，针对该问题，提出将自适应压缩感知用于雷达多目标追踪。通过对回波进行稀疏表示，设计改进字典......
    5. 《面向应用的GM-CPHD雷达多目标跟踪技术》PDF+DOC 针对雷达密集多目标跟踪数据关联的难题，为了进一步降低目标个数估计误差，研究高斯混合-势概率假设密度方法(GM-CPHD)。首先，在随机集框架和最优贝叶斯理论下，给出了CPHD递归形式；然后，在线性高斯假设条件下，详细给出了GM-CPHD强度和势预测和更新的递归闭合解，降低了计算复杂度，满足跟踪实时性......
    6. 《基于概率假设密度滤波的多目标跟踪算法》PDF+DOC 概率假设密度(PHD)滤波算法在雷达、红外以及可见光等传感器的多目标跟踪中研究越来越广泛。主要研究了基于PHD滤波的多目标跟踪算法的发展现状，简要介绍了PHD滤波算法的基本原理及其在目标运动模型、多检测情况、杂波分布规律假定等方面的研究进展，概述了PHD滤波的实现方法及研究进展，介绍了PHD滤波的主......
    7. 《基于高斯粒子JPDA滤波的多目标跟踪算法》PDF+DOC 在多目标跟踪中，由于观测的不确定性带来数据关联问题，并且，多目标状态空间尺寸的增长带来了维数增大问题，该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF)，在JPDA框架中引入高斯粒子滤波(GPF)的思想，通过高斯粒子而不是高斯量，来近似目标与观测的边缘关联概率，利用GPF计算目标......
    8. 《基于随机集理论的模糊观测多目标跟踪方法》PDF+DOC 为解决传感器观测数据具有不确定性和模糊性的多目标跟踪问题，首先给出了模糊观测的随机子集表示及其似然函数构造方法：然后利用所构造的似然函数，并结合概率假设密度(PHD)滤波器来实现模糊观测的多目标跟踪.仿真结果显示，标准PHD滤波器在模糊观测下会出现目标数目估计不准确的问题.针对这一问题，在分析了该问......
    9. 《多传感器序贯势分布概率假设密度滤波》PDF+DOC 针对多传感器多目标跟踪中数据关联的计算复杂性问题，提出了一种多传感器序贯势分布概率假设密度滤波算法.利用序贯滤波的方法将单传感器的势分布概率假设密度滤波扩展到多传感器情况，并给出了高斯混合实现的序贯势分布概率假设密度(Gaussian mixture sequential PHD，GMSPHD)滤波......
    10. 《基于ET-GM-PHD的多传感器多目标跟踪算法》PDF+DOC 针对单传感器跟踪系统的缺陷和扩展多目标跟踪问题的复杂性，提出了基于高斯混合扩展目标概率假设密度(ET-GM-PHD)的多传感器多目标跟踪方法。该算法的最大优点在于它可以避免传统多目标跟踪算法中的数据关联过程，不用进行复杂的测量与扩展目标之间的关联过程即可同时获得扩展目标的个数和状态估计。在线性高斯假......

    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。