|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要：在许多多目标跟踪场景中，目标返回的幅度通常强于虚警杂波返回的幅度。通过建立更加准确的包含幅度; G: L. e" ~+ c: ? e( H) V; Y
信息的目标和虚警杂波似然函数，可提高多目标估计精度。该文提出一种基于随机有限集的幅度信息辅助多伯努利 j3 Q0 Z' S ~ t+ X
滤波(Amplitude Information Assistant Multi-Bernoulli Filter, AIA-MBeRF)算法。该算法通过建立幅度似然函数
; z# _9 ]* Q- ?3 b$ ~将幅度信息引入到多伯努利滤波的更新过程中，并给出针对线性和非线性模型的高斯混合(Gaussian Mixture, GM)
, l& y+ u# a, }: R. ?: _和序贯蒙特卡洛(Sequential Monte Carlo, SMC)实现方法。仿真结果表明，该滤波算法相比于传统多伯努利滤波
% M9 ]! n- p" [( I8 b6 k' `(Multi-Bernoulli Filter, MBerF)无论 GM 还是 SMC 实现都可获得更加准确稳定的目标数和对应的目标状态估计。* o5 G; O/ S* B8 W' [+ r
关键词：多目标跟踪；随机有限集；幅度信息；多伯努利滤波
' ]5 Q% B4 i: L/ q1 引言
+ P8 U* P8 |2 }* u0 h+ N多目标跟踪一直是目标跟踪领域研究的热点，5 h. v, c$ S% q/ q* D( o
其目的是从量测中联合估计时变且未知目标数和对
$ \: [* V( b) Y0 ^% P/ ]) C% h应目标运动状态[1]。由于传感器自身特性，检测器提- W) ]- ?( n& T, f4 y
供给跟踪器的目标量测是不可靠的：一部分量测可
& R& f8 I4 `8 b' ^9 \能是杂波，一部分真实目标被漏检；跟踪器利用观
- h* F$ X1 h2 Q8 \测模型从量测中识别正确的目标，根据目标的运动* I, {# H% f, j2 M$ p
' k; M; N& C+ m& C! \& {/ c" l( X, C5 D4 s# I
% L; W9 W: A6 m( f" U8 C" o* P! X" K T5 g1 s1 Y
( X8 A" F0 ^, o( r! ?# Y附件下载：" I6 k" `' {9 V: [! ~
( ~+ b. j8 G4 [0 P, h |
|
/1 
发表于 2020-11-23 11:19
收藏
淘帖
支持！
反对！