|
|
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
: u& t0 K" d0 m7 z) M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7 }" j" ~9 }/ v, T0 u2 e
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8 Y, w1 i/ Z8 |" A/ C; k3 k3 x8 K% Z; ?
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)" g+ y! n4 ?7 a2 O
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) ?% Q/ A' e \. H- F& T
(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。* q" _. c* w0 Q( J! |( g
关键词：多目标跟踪；随机有限集；幅度信息；多伯努利滤波
3 h" ^" ]3 R* _2 a9 _2 [; j1 引言
; x7 w& X5 x# C* u多目标跟踪一直是目标跟踪领域研究的热点，
0 x4 l7 U" w, M" o) C+ V其目的是从量测中联合估计时变且未知目标数和对: Q. P& W0 n9 [' D9 }1 F- p4 X
应目标运动状态[1]。由于传感器自身特性，检测器提
; U! q; H! e$ Q( m3 |% k. P供给跟踪器的目标量测是不可靠的：一部分量测可1 N" C$ J% W6 S# Z) i
能是杂波，一部分真实目标被漏检；跟踪器利用观$ l- Q: i6 X* _" e- x
测模型从量测中识别正确的目标，根据目标的运动
& _. r& s) ?5 u3 b2 d* D
; F; U' [7 z k5 T4 u8 l& Z! [8 G) N c/ f
" U$ c( z6 e. g$ _
/ ~+ y: S& J. e, j
( j( c/ A3 L8 e/ V3 u L附件下载：
; W& S+ i. Y3 ^; R9 Y; y
1 C5 @: t; j8 t8 B |
|
/1 
发表于 2020-11-23 11:19
收藏
淘帖
支持！
反对！