|
|
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
, I* K& L3 X# x' g Q3 n: O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
$ L# V, Q4 T0 M2 N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' ?! q$ z8 v) J* [0 t2 }. J) 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)7 M, j* ?. 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6 |* b! q9 v$ g J
(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。
& v1 x# I, J- [8 r* h2 y5 P关键词：多目标跟踪；随机有限集；幅度信息；多伯努利滤波
: P& J1 \5 n, J1 w( f+ K1 引言) N; j- ?8 {+ G1 O9 X6 O3 _' @
多目标跟踪一直是目标跟踪领域研究的热点，
$ ^. R: y/ i9 a" M; e! a其目的是从量测中联合估计时变且未知目标数和对- u7 s' {. A3 L/ k( A
应目标运动状态[1]。由于传感器自身特性，检测器提& X% O/ f4 v% w+ E3 {
供给跟踪器的目标量测是不可靠的：一部分量测可$ f- B9 x: c& s# y
能是杂波，一部分真实目标被漏检；跟踪器利用观1 G2 u m1 W4 T1 g% A5 n# N2 i
测模型从量测中识别正确的目标，根据目标的运动
6 G2 m$ \, C/ g, t: e- X+ B1 ?3 y, h0 `) q# G6 g' O
( \: @8 O a+ z, v; U
% C0 z& w1 j9 g- K
1 B3 l7 {0 `" U% _; \& F
' ?" {; ^' ]$ S附件下载：
2 ? e$ i9 M& @ {, g; O6 y
+ z; k4 `: @0 c; s1 B3 S6 D |
|
/1 
发表于 2020-11-23 11:19
收藏
淘帖
支持！
反对！