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. 人脸识别工具箱PHD-Tool

  2. 这是一个用于人脸识别的Matlab工具箱，里面包含很多demo,对学习算法很有帮助。

  3. 所属分类：其它

    • 发布日期：2015-03-29
    • 文件大小：2mb
    • 提供者：tjx2010700815

  1. 粒子PHD程序

  2. 可直接执行的粒子PHD滤波算法代码，适用于多目标跟踪

  3. 所属分类：其它

    • 发布日期：2016-08-31
    • 文件大小：14kb
    • 提供者：l_jiangyi

  1. PHD目标跟踪算法28篇

  2. PHD算法28篇，英文论文

  3. 所属分类：讲义

    • 发布日期：2017-03-08
    • 文件大小：43mb
    • 提供者：u011173841

  1. GM-PHD平滑滤波

  2. 高斯概率假设密度的平滑滤波算法的仿真源代码，易于分析。

  3. 所属分类：其它

    • 发布日期：2017-10-17
    • 文件大小：13kb
    • 提供者：daocaowu1234

  1. GM-PHD滤波算法实现

  2. GM-PHD滤波算法实现

  3. 所属分类：PHP

    • 发布日期：2018-03-20
    • 文件大小：1kb
    • 提供者：qq_40395910

  1. Pattern Recognition and Machine Learning 英文版

  2. Pattern recognition has its origins in engineering, whereas machine learning grew out of computer science. However, these activities can be viewed as two facets of the same field, and together they have undergone substantial development over the pas

  3. 所属分类：机器学习

    • 发布日期：2018-04-09
    • 文件大小：8mb
    • 提供者：aihpossss

  1. 基于PHD的多扩展目标联合检测、跟踪与分类算法

  2. 基于PHD的多扩展目标联合检测、跟踪与分类算法

  3. 所属分类：其它

  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. 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. 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. 一种改进的高斯混合概率假设密度SLAM算法

  2. 针对高斯混合概率假设密度SLAM(GMPHD-SLAM) 算法存在的估计精度低和计算代价高的问题, 提出一种无迹高斯混合概率假设密度SLAM算法(unscented-GMPHD-SLAM). 其主要特点在于: 将无迹卡尔曼滤波器应用于机器人位姿粒子权重计算及概率假设密度更新过程中, 可提高算法整体估计性能; 将更新的高斯项按照传感器视域分类, 有效降低了算法计算量. 通过仿真实验, 将所提出算法与传统PHD-SLAM 算法进行比较, 结果表明该算法在提高估计精度和降低计算负担方面是十分有效的.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：429kb
    • 提供者：weixin_38709816

  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. 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. 基于箱粒子的多扩展目标PHD滤波

  2. 在高斯混合多扩展目标PHD 滤波的基础上, 结合最新兴起的箱粒子滤波, 提出一种基于区间分析的多扩展目标PHD 滤波算法. 采用大小可控的非零矩形区域来代替传统的多个点量测, 这样可降低权值计算中对量测分布的要求. 仿真对比实验表明, 采用区间分析方法在保证近似于传统滤波精度的同时可降低计算复杂度, 在目标数目估计及抗杂波干扰方面也具有较为突出的优势, 并且可解决在目标靠近时由于不能正确给出子划分而造成的漏检问题.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：339kb
    • 提供者：weixin_38711972

  1. 基于标签随机有限集的多量测多目标跟踪算法

  2. 针对一个扫描周期内单个目标可能产生多个量测的问题, 提出一种基于标签随机有限集的扩展算法. 结合脉冲扩展标签多伯努利(-GLMB) 滤波器和多量测模型, 推导出新的更新方程; 采用假设分解策略对关联过程进行降维, 避免了量测分组过程. 实验分析表明: 所提出算法能对目标数进行无偏估计, 在低探测概率条件下跟踪性能明显优于多量测概率假设密度(MD-PHD) 算法; 计算开销在量测较少时高于MD-PHD, 量测个数增加时增幅低于MD-PHD.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：219kb
    • 提供者：weixin_38670531

  1. 自适应目标新生强度的SMC-PHD/CPHD 滤波

  2. 提出一种基于量测驱动的自适应目标新生强度PHD/CPHD 滤波算法. 该算法认为新生目标是不可检测的, 有效地克服了归一化失衡问题; 同时, 基于量测驱动自适应设计目标新生强度, 利用PHD/CPHD 滤波分别递归估计存活目标和新生目标的状态及其数目. 最后, 在序列蒙特卡罗框架下实现了该PHD/CPHD 滤波算法. 算例结果表明, 改进算法可以有效地实时跟踪多个机动目标的状态和数目, 应用前景较好.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：216kb
    • 提供者：weixin_38707826

  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
« 12 »