注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 有关多目标跟踪的PHD滤波的一些资料

  2. 一些关于多目标跟踪的新的文献，主要是有关概率假设密度（PHD）的

  3. 所属分类：电信

    • 发布日期：2012-02-22
    • 文件大小：13mb
    • 提供者：wh_guigui

  1. 基于PHD的多目标粒子滤波

  2. 一篇关于多目标跟踪的概率假设密度粒子实现文章；

  3. 所属分类：其它

    • 发布日期：2012-11-19
    • 文件大小：119kb
    • 提供者：popularqin

  1. 多目标跟踪的概率假设密度滤波

  2. 关于概率假设密度滤波的论文，文中介绍了与随机集相关的概念。

  3. 所属分类：专业指导

    • 发布日期：2010-08-01
    • 文件大小：333kb
    • 提供者：july0728

  1. 单目标多测量问题的FISST方法

  2. 受到当前流行的多目标概率假设密度（PHD）过滤器的启发，本文使用随机有限集（RFS）形式主义解决了可通过多传感器观察到的目标跟踪问题。 单目标多测量问题的解决方案基于有限集统计（FISST）贝叶斯框架。 此外，提出并在许多粒子上演示了FISST过滤的SMC实现。 与传统方法（例如扩展卡尔曼滤波器（EKF）和粒子滤波器（PF））相比，FISST滤波被证明是跟踪效果最好的。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：247kb
    • 提供者：weixin_38545485

  1. 高斯混合概率假设密度滤波在雷达系统中应用

  2. 给出雷达系统中基于概率假设密度滤波的多目标跟踪方法及工程应用成果。首先，介绍PHD滤波的理论发展背景；其次，回顾PHD滤波基本概念和算法框架；随后指出PHD滤波在工程应用中的不足；并给出雷达系统中基于PHD滤波的多目标跟踪技术方案；最后，介绍雷达系统中基于PHD滤波的多目标跟踪工程应用结果。结果表明PHD滤波可以有效解决低探测概率条件下目标起始、编批等难题。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：316kb
    • 提供者：weixin_38720461

  1. 一种面向EBPSK卫星被动雷达的改进多源PHD算法

  2. 为提高对海杂波干扰下空中目标的跟踪性能,讨论了海面-目标二次反射模型,分析了EBPSK调制方式的卫星被动雷达系统特点,在此基础上开展多目标跟踪研究.由于经典的概率假设密度(PHD)滤波不适用于海杂波空间分布不均匀的卫星EBPSK信号多目标跟踪,提出了面向卫星被动雷达系统的多源改进算法.该算法首先对各卫星信息使用经典PHD滤波进行预测和更新,然后在修整步骤进行多卫星信息融合.仿真结果表明:该改进算法能够适应被动卫星EBPSK信号的特性,避免海杂波造成的虚假目标,目标数估计优于经典的PHD滤波算法,

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：608kb
    • 提供者：weixin_38595606

  1. 基于概率假设密度滤波的中段弹道目标群红外多传感器组跟踪方法

  2. 分析低轨光学星座对中段弹道目标群进行组跟踪的必要性，提出了一种红外多传感器对中段弹道目标群的组跟踪新方法。该方法以概率假设密度滤波对目标群进行像平面跟踪，剔除杂波、估计目标状态和个数；以图像配准方法调整帧间目标状态估计，提高像平面目标跟踪稳定性；最后依据像平面目标跟踪结果提取目标群在像平面的质心量测，运用不敏卡尔曼滤波(UKF)以多传感器序贯滤波方式对目标群进行融合质心组跟踪。结果表明，新方法适应杂波能力强，对目标群的质心组跟踪精度优于传统方法，且有效实现中段弹道目标群的星载红外像平面稳定跟踪。

  3. 所属分类：其它

  1. 蚂蚁聚类PHD过滤器用于多目标跟踪

  2. 研究了一种新颖的蚁群滤波算法，在后多目标状态（概率假设密度）的一阶统计矩的指导下，研究并应用于估计杂乱环境中目标及其各自状态的时变数量。 蚂蚁聚类过滤算法包括两个聚类步骤：第一步称为粗糙蚂蚁聚类，涉及随机选择每个蚂蚁及其分别根据当前似然函数和后验强度进行状态局部调整。 第二种称为精细蚂蚁聚类，它利用这些蚂蚁提取多目标状态。 数值模拟通过与顺序蒙特卡洛（SMC）方法的性能比较，验证了我们提出的算法的跟踪多目标能力。

  3. 所属分类：其它

  1. 一种基于椭圆随机超曲面模型的群目标高斯混合PHD滤波器

  2. 在弹道导弹防御系统中，群目标跟踪是目前较为困难的问题之一。这些目标不仅具有相似的运动特性，且相互邻近，又由于红外光学探测器的特性和分辨率的影响，使得它们在像平面不再是点目标而是簇状像斑。因此，“一个目标至多产生一个量测”的传统多目标跟踪方法不再适用。为了实现对该类目标的有效跟踪，提出了一种新型滤波算法。该算法视群目标为一个整体，用椭圆随机超曲面模型描述其扩散程度，并将其与扩展目标高斯混合概率假设密度(PHD)滤波器相结合，通过跟踪群质心和扩散程度实现对像平面群目标的跟踪。通过仿真对比，所提算法在

  3. 所属分类：其它

  1. 基于概率假设密度滤波平滑器的检测前跟踪算法

  2. 基于概率假设密度滤波（PHD）的检测前跟踪（TBD）技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显，导致目标数估计存在起伏现象，制约了PHD-TBD算法性能。对PHD-TBD技术进行研究，引进概率假设密度滤波平滑器，提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时，综合利用前向递推和后向平滑结果对粒子权重进行更新，在一定程度上克服了随机量测噪声的影响。通过仿真验证，该算法能够有效发现目标，准确估计目标数目和位置，性能有较大提高。

  3. 所属分类：其它

  1. 天基红外系统多目标快速跟踪方法

  2. 多传感器多目标跟踪是天基红外系统的核心关键技术之一，面临目标数目随时间变化、目标出现时间与位置难以预知、虚警干扰严重等难点，传统多目标跟踪方法存在组合爆炸问题。文中采用高斯混合概率假设密度滤波器（GM-PHD， Gaussian mixture probability hypothesis density）进行多目标跟踪，有效避免了复杂的数据关联运算；同时，针对GM-PHD滤波器新目标丢失问题，采用反馈滤波方法，通过将传感器量测假设作为新目标的量测，有效实现了对新目标的快速跟踪处理。仿真试验结果

  3. 所属分类：其它

  1. 基于随机有限集的UPF-CPHD多目标跟踪

  2. 摘 要：提出一种基于随机有限集的无迹粒子基数概率假设密度滤波（UPF-CPHD,unscented particle filter-cardinality probability hypothesis density）的多目标跟踪方法。在粒子滤波框架下采用随机有限集（RFS,random finite sets）对多目标状态和观测进行描述。在UPF滤波框架下引入CPHD算法同时递推目标状态和目标数目，并计算最新观测信息，估计结果更加精确，弥补PHD 估计目标数目不可靠的缺点。仿真实验表明，UPF

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：920kb
    • 提供者：weixin_38713717

  1. 一种改进的基于概率假设密度滤波的多目标跟踪方法

  2. 针对概率假设密度(PHD) 滤波使用聚类方法提取目标状态时, 会出现结果不准确, 且PHD 滤波无法给出状 态到航迹关联的问题, 提出一种在目标状态中加入标签的方法来实现状态到航迹的关联. 该方法对权值较大的标签, 通过两次确认来剔除杂波干扰, 得到比传统PHD 滤波更精确的状态估计. 在提取目标状态时, 只对相同标签的粒子 进行处理, 避免使用聚类方法. 通过与传统PHD 算法的仿真对比表明, 改进算法具有较好的跟踪性能.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：245kb
    • 提供者：weixin_38610070

  1. 基于拟蒙特卡罗方法的概率假设密度多目标跟踪

  2. 为了改善多目标跟踪问题中概率假设密度(PHD) 滤波的估计精度, 提出基于拟蒙特卡罗的PHD 滤波算法. 该算法利用低偏差点集在状态空间中分布均匀的特性, 使得采样粒子集最大程度地相互远离, 充分地描述多目标状 态的后验概率密度, 从而准确地利用带有相应权值的粒子集来计算多目标数目和各个目标状态的估计值. 仿真实验 表明了算法的有效性, 且估计性能优于粒子PHD 滤波算法.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：357kb
    • 提供者：weixin_38547882

  1. 基于中心差分卡尔曼-概率假设密度滤波的多目标跟踪方法

  2. 针对非线性系统模型, 提出一种基于中心差分卡尔曼-概率假设密度滤波的多目标跟踪方法. 该方法采用 Stirling 内插公式对非线性函数作多项式逼近, 利用中心差分卡尔曼滤波和高斯混合概率假设密度滤波对后验多目 标状态一阶统计量进行估计, 并通过递推更新得到目标状态, 以实现对多个目标的跟踪. 该方法无需求解系统函数的 雅可比矩阵, 且具有二阶泰勒展开式精度. 仿真结果表明, 所提出方法能够增强算法的鲁棒性, 提高目标状态和数目 的估计精度.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：505kb
    • 提供者：weixin_38582685

  1. 基于相对熵的概率假设密度滤波器序贯蒙特卡罗实现方式

  2. 概率假设密度滤波器的典型序贯蒙特卡罗实现方式与粒子滤波类似, 均是利用大量加权粒子估计多目标状态, 典型实现方式是为每个期望目标分配固定数目的粒子, 这导致较大的算法时间开销. 鉴于此, 建立了基于相对熵 的序贯蒙特卡罗实现方式. 首先计算两个不同规模粒子集合的相对熵, 与预设阈值进行比较以确定粒子数目, 从而动态调整粒子数目. 仿真结果表明, 所提出的实现方式提高了跟踪效率, 在大部分时间步上优于典型实现方式.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：249kb
    • 提供者：weixin_38726007

  1. 未知噪声统计下多模型概率假设密度粒子滤波算法

  2. 针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：582kb
    • 提供者：weixin_38666697

  1. 基于交互式多模型的不敏卡尔曼概率假设密度滤波算法

  2. 针对非线性高斯场景下目标数目未知或随时间变化的机动多目标跟踪问题, 提出一种基于交互式多模型的不敏卡尔曼概率假设密度滤波算法.首先, 在高斯混 合概率假设密度滤波框架下, 结合不敏卡尔曼滤波中状态预测和量测更新的实现机理, 构建一种不敏卡尔曼概率假设密度滤波器; 然后, 通过引入交 互式多模型方法中状态模型软判决机制, 实现对目标机动过程中运动模式不确定的处理; 最后, 通过理论分析和仿真结果验证了所提出算法的可行性和有效性.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：293kb
    • 提供者：weixin_38710578

  1. 近邻传播观测聚类的多扩展目标跟踪算法

  2. 由于传感器分辨率高或目标存在多个反射源等原因, 一个目标可以同时产生多个观测数据, 对于解决这种扩展目标的跟踪问题, 概率假设密度(PHD) 滤波算法是一种有效的方法. 针对扩展目标概率假设密度滤波算法中观测集合划分, 提出一种利用近邻传播聚类方法进行观测集合划分的多扩展目标跟踪算法. 实验结果表明, 所提出的方法不但能够获得正确的划分观测集合, 而且计算复杂度较已有划分方法有较大降低, 同时在多目标跟踪效果方面优于已有算法.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：380kb
    • 提供者：weixin_38528939

  1. 基于箱粒子概率假设密度滤波的弱目标检测与跟踪算法

  2. 针对低信噪比条件下多弱小目标检测前跟踪算法跟踪效率低、计算复杂度高等问题,提出一种基于箱粒子概率假设密度滤波的弱目标检测与跟踪算法.首先,针对由目标的贡献强度和噪声获得的目标强度量测图像,利用均值滤波抑制强度量测图像中的噪声;其次,以不交叉原则挑选出强度值较大区域作为区间量测;最后,利用箱粒子概率假设密度(BOX-PHD)滤波对上述所得的区间量测进行目标跟踪.仿真结果表明,所提出的方法可以提高跟踪性能,且计算效率高.

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：435kb
    • 提供者：weixin_38669618
« 12 »