您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. Resonator谐振腔的设计PHD Thesis Microwave Structures

  2. 介质谐振腔滤波器的设计 螺旋振子谐振腔滤波器的设计与应用 LC滤波器和螺旋滤波器的设计 博士学位论文
  3. 所属分类:其它

    • 发布日期:2011-05-20
    • 文件大小:28mb
    • 提供者:ulgsm4u
  1. 高斯混合PHD滤波器扩展目标跟踪

  2. 高斯混合概率假设密度滤波器用于扩展目标跟踪matlab代码及对应论文
  3. 所属分类:其它

    • 发布日期:2014-10-17
    • 文件大小:1mb
    • 提供者:han_shan_zi
  1. 高斯混合PHD滤波器平滑

  2. 高斯混合 概率假设滤波器 平滑matlab代码及对应论文,可以直接运行出结果.
  3. 所属分类:其它

    • 发布日期:2014-10-17
    • 文件大小:11kb
    • 提供者:han_shan_zi
  1. 高斯混合PHD滤波器扩展目标跟踪

  2. 高斯混合概率假设密度滤波器用于扩展目标跟踪matlab代码及对应论文
  3. 所属分类:其它

    • 发布日期:2020-05-06
    • 文件大小:1mb
    • 提供者:taoyiheng
  1. 基于随机超曲面模型的高斯混合PHD滤波器用于多个扩展目标

  2. 基于随机超曲面模型的高斯混合PHD滤波器用于多个扩展目标
  3. 所属分类:其它

  1. 具有多光谱数据融合的多目标跟踪的自适应PHD滤波器

  2. 具有多光谱数据融合的多目标跟踪的自适应PHD滤波器
  3. 所属分类:其它

  1. 姿势:基于硬件的友好的基于粒子的观测选择PHD滤波器的设计

  2. 姿势:基于硬件的友好的基于粒子的观测选择PHD滤波器的设计
  3. 所属分类:其它

    • 发布日期:2021-03-10
    • 文件大小:512kb
    • 提供者:weixin_38748556
  1. 用于多目标跟踪的高效数据驱动粒子PHD滤波器

  2. 用于多目标跟踪的高效数据驱动粒子PHD滤波器
  3. 所属分类:其它

  1. 抗杂波高斯逆Wishart PHD滤波器用于扩展目标跟踪

  2. 抗杂波高斯逆Wishart PHD滤波器用于扩展目标跟踪
  3. 所属分类:其它

    • 发布日期:2021-03-09
    • 文件大小:561kb
    • 提供者:weixin_38627104
  1. 姿势:基于硬件的友好的基于粒子的观测选择PHD滤波器的设计

  2. 姿势:基于硬件的友好的基于粒子的观测选择PHD滤波器的设计
  3. 所属分类:其它

  1. 使用扩展的PM-CPHD滤波器进行联合空间配准和多目标跟踪

  2. 提出了一种用于空间配准和多目标跟踪(MTT)的扩展产品多传感器基数化概率假设密度(PM-CPHD)滤波器。 目标的数量和状态以及传感器的偏差是通过这种方法联合估算的,而无需数据关联。 蒙特卡罗(MC)仿真结果表明,所提出的方法(i)的性能优于(i),尽管在计算上要比用于联合空间配准和MTT的扩展多传感器PHD滤波器要好; (ii)优于多传感器联合概率数据关联(MSJPDA)过滤器,该过滤器在杂波相对密集时也适用于联合空间配准和MTT。
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:128kb
    • 提供者:weixin_38539705
  1. 基于最佳拟合高斯近似的跳跃Markov模型的高斯混合PHD滤波器

  2. 基于最佳拟合高斯近似的跳跃Markov模型的高斯混合PHD滤波器
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:415kb
    • 提供者:weixin_38545117
  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. 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. 用于机动目标跟踪的多模型高斯混合概率假设密度滤波器

  2. 提出一种多模型高斯混合概率假设密度(PHD) 滤波器的实现方法. 该算法使用多模型方法对高斯混 合PHD 滤波器中存在目标对应的高斯分量进行预测及更新, 使用融合估计后的估计值描述机动目标PHD 分布的高 斯分量. 该算法具有PHD滤波器和多模型方法的优点, 可以用来处理目标数未知时的机动目标跟踪问题. 该算法与 单模型高斯混合PHD滤波器相比, 可提高滤波器对目标发生机动时的跟踪精度; 与已有的多模型PHD 滤波器相比, 节省计算时间30% 以上.
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:229kb
    • 提供者:weixin_38564598
  1. 基于拟蒙特卡罗的未知杂波GMP-PHD 滤波器

  2. 针对非线性系统模型中未知杂波环境下的多目标跟踪问题, 提出一种基于拟蒙特卡罗方法的未知杂波 高斯混合粒子概率假设密度(GMP-PHD) 算法. 首先利用有限混合模型拟合未知杂波空间分布, 使其能够在杂波模型未知的情况下稳定跟踪目标; 然后利用低偏差点集在状态空间中分布均匀的特性将拟蒙特卡罗采样方法应用到GMP-PHD 中, 使其在解决非线性滤波问题的同时提高目标跟踪精度. 仿真实验表明, 所提出的算法具有良好的跟踪性能.
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:247kb
    • 提供者:weixin_38685173
  1. 未知探测概率下多目标PHD 跟踪算法

  2. 针对未知探测概率下多目标跟踪问题, 提出一种基于时变滤波算法的多目标概率假设密度(PHD) 滤波器. 算法推导了未知探测概率PHD递推式, 提出了将未知探测概率转化为目标的丢失与接收事件, 并依此建立了目标跟 踪的马尔科夫模型, 给出了该模型下时变卡尔曼滤波最优解, 进而在高斯混和PHD(GMPHD) 框架下推导了算法闭集解. 仿真实验表明, 所提出算法在未知且随时间变化的探测概率情形下, 仍能实时地跟踪各目标, 具有良好的工程应用前景.
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:353kb
    • 提供者:weixin_38638163
  1. 扩展目标CBMeMBer 滤波器及其高斯混合实现

  2. 将CBMeMBer 滤波器推广到多扩展目标跟踪场合, 提出扩展目标CBMeMBer 滤波器, 并给出其高斯混合实现的步骤. 该滤波器主要对原始CBMeMBer 滤波器的更新步进行改进, 引入多量测似然函数, 避免了对目标数目的过估计. 仿真结果表明, 在多扩展目标跟踪场合, 扩展目标CBMeMBer 滤波器对目标数目和状态的估计精度高于CBMeMBer 滤波器, 接近于扩展目标PHD 滤波器.
  3. 所属分类:其它

    • 发布日期:2021-01-14
    • 文件大小:314kb
    • 提供者:weixin_38710198
  1. 基于SIM-GM-PHD的低可观测目标跟踪算法

  2. 针对多传感器协同探测多个低可观测目标问题,提出一种基于强度叠加的多传感器高斯混合概率假设密度(SIM-GM-PHD)滤波器,并提出目标状态的两步提取策略.首先,利用跟踪门对预测强度函数中每个高斯分量选择有效传感器集合;然后,利用各传感器量测数据更新其对应的高斯分量,叠加所有传感器的局部后验强度以及全局漏检强度得到融合后验强度;最后,提出目标状态的两步提取策略对目标的个数与状态进行估计.仿真结果验证了所提出算法的有效性.
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:287kb
    • 提供者:weixin_38586186
  1. 迭代PHD滤波器的多传感器联合目标检测,跟踪和分类

  2. 迭代PHD滤波器的多传感器联合目标检测,跟踪和分类
  3. 所属分类:其它

    • 发布日期:2021-03-28
    • 文件大小:265kb
    • 提供者:weixin_38629274
« 12 »