TA的每日心情 | 开心
2020-9-2 15:04 |
|---|
签到天数: 3 天 [LV.2]偶尔看看I
|
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： 为解决存在数据关联不确定、检测不确定和杂波情况下的多目标跟踪问题，提出了一种新的多目标贝 叶斯滤波器．代替维持多目标状态的联合后验密度，所提出的贝叶斯滤波器联合传递各个目标状态的边缘分布和它们 的存在概率．为了处理目标运动和传感器测量模型中的非线性，利用无迹变换技术提出了一种非线性高斯条件下边缘 分布贝叶斯滤波器的近似实现算法．仿真实验结果表明，与 ＰＨＤ（ＰｒｏｂａｂｉｌｉｔｙＨｙｐｏｔｈｅｓｉｓＤｅｎｓｉｔｙ）滤波器相比，所提出的滤 波器具有更好的多目标跟踪能力．
$ H, r1 ] }3 r7 q5 {4 X
( _, }9 u: X' n# U# a5 i+ p V# s' b( m, }; d c
% P( Q! y) [: r! [$ l关键词： 多目标跟踪；贝叶斯滤波器；非线性模型；边缘分布! y+ _1 G4 ^# h: Z/ T6 |) o$ p
; o! J- e2 X e9 m8 H% r u$ c7 P8 n+ i# }, j U7 t
' u" t3 R4 }, C. q2 I5 L2 }多目标跟踪是从传感器的测量中分辨出各个不同 的目标并估计出它们的状态，在雷达跟踪、声纳跟踪和 视频图像跟踪中有着广泛应用，一直受到学者和研究人 员的重视［１～１６］．目前，多目标跟踪方法主要分为两类： 传统的多目标跟踪方法和基于有限集统计学的多目标 跟踪方法［１～３］．传统的多目标跟踪方法是基于数据关联 的多目标跟踪方法，利用数据关联技术将测量分配给不 同的目标，利用独立的滤波器对各个目标分开跟踪．典 型的算法包括联合概率数据互联（ＪｏｉｎｔＰｒｏｂａｂｉｌｉｓｔｉｃＤａｔａ Ａｓｓｏｃｉａｔｉｏｎ，ＪＰＤＡ）滤波器［４］和多假设跟踪（ＭｕｌｔｉｐｌｅＨｙ ｐｏｔｈｅｓｉｓＴｒａｃｋｉｎｇ，ＭＨＴ）算法［５］．然而，传统多目标跟踪方 法存在以下缺点：（１）通常要求目标数是已知的；（２）存 在关联组合的指数增长问题．基于有限集统计学的多目 标跟踪方法是近年来发展起来的多目标跟踪方法．该方 法不需要数据关联对多目标观测进行分割，而是用多目 标观测形成多目标状态的联合后验分布，依据贝叶斯规 则传递联合后验分布，并从联合后验分布中提取多目标 状态的估计［１，２］4 L& U0 I/ k$ m4 U8 o# h3 ^0 q
+ @: h& I, z0 i) M! c+ @# s q% C% J
$ S- a) Y2 V" @$ Z ? `# U附件下载：
; a6 g3 o& `, `) y |
|
/1 
发表于 2021-4-29 10:22
收藏
淘帖
支持！
反对！