基于VB近似的自适应δ-GLMB滤波算法

发布时间：2018-06-28 21:19

  本文选题：多目标跟踪 + 未知量测噪声协方差　； 参考：《系统工程与电子技术》2017年02期

【摘要】：目前,基于δ-扩展标签多伯努利(δ-generalized labeled multi-Bernoulli,δ-GLMB)滤波器的多目标跟踪方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对上述问题,提出一种基于变分贝叶斯(variational Bayesian,VB)近似的自适应δ-GLMB滤波算法。该算法以δ-GLMB滤波器为基础,利用逆威沙特和高斯乘积混合分布近似量测噪声协方差和多目标状态联合后验分布,通过VB近似技术推导滤波迭代。仿真结果表明,所提算法对于线性未知量测噪声协方差场景具有很强的多目标跟踪鲁棒性,在有效估计量测噪声协方差的同时实现准确的目标数和目标状态估计。
[Abstract]:At present, a multi-target tracking method based on 未 -generalized labeled multi-Bernoulli (未 -GLMB) filter assumes that a prior measurement noise covariance is known, while the actual measurement noise covariance may be unknown or change with the change of environment. To solve the above problems, an adaptive 未 -GLMB filtering algorithm based on variational Bayesian Bayesian approximation (VBA) is proposed. The algorithm is based on 未 -GLMB filter, using the mixed distribution of inverse Weisat and Gao Si product to approximate the noise covariance and the joint posterior distribution of multi-objective state, and the filtering iteration is deduced by VB approximation technique. The simulation results show that the proposed algorithm is robust to the linear unknown noise covariance scene. The proposed algorithm can effectively estimate the noise covariance and realize the accurate target number and target state estimation.
【作者单位】： 北京航空航天大学电子与信息工程学院;
【基金】：国家自然科学基金(61471019,61501011,61501012,61671035)资助课题
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 胡振涛,刘先省;基于测量方差时变的改进强跟踪滤波算法[J];传感器技术;2005年06期

2 莫以为,萧德云;进化粒子滤波算法及其应用[J];控制理论与应用;2005年02期

3 赵梅;张三同;朱刚;;辅助粒子滤波算法及仿真举例[J];北京交通大学学报;2006年02期

4 张琪;胡昌华;乔玉坤;;基于权值选择的粒子滤波算法研究[J];控制与决策;2008年01期

5 汪溢;张毅;赵继承;;工程中常用的4种无序滤波算法[J];现代雷达;2008年12期

6 樊玲;;粒子滤波算法及其仿真[J];科技创新导报;2009年15期

7 邹卫军;薄煜明;陈益;;一种适用于低测量噪声系统的粒子滤波算法[J];信息与控制;2010年01期

8 何佳;;改进的粒子滤波算法在目标跟踪中的应用[J];科技情报开发与经济;2010年13期

9 高林;刘喜梅;顾幸生;;一种新的数据滤波算法[J];青岛理工大学学报;2010年03期

10 崔祥祥;王宏力;宋涛;张忠泉;;一种改进的裂变自举粒子滤波算法[J];桂林电子科技大学学报;2010年04期

相关会议论文 前10条

1 李龙云;彭玉华;;小波变换模极大值域的一种自动滤波算法的实现[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

2 李庆奎;吴星;崔健勇;陈勤勤;;模糊渐消滤波算法[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年

3 黄河;;插值粒子滤波算法的研究[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

4 胡绍林;黄刘生;;非平稳信号的2(?)2型双重中值容错滤波算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 尹建君;张建秋;;混合线性/非线性联邦滤波算法及其在组合导航中的应用[A];2007系统仿真技术及其应用学术会议论文集[C];2007年

6 张赛;刘新学;刘扬;;一种改进的红外图像滤波算法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

7 杨秀华;陈涛;王延风;吉桐伯;;光电跟踪目标的非线性滤波算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

8 秦臻;何顺华;朱号东;;非线性滤波算法在动态导航中的应用[A];江苏省测绘学会2011年学术年会论文集[C];2011年

9 李勇;陈书明;陈胜刚;;一种基于YHFT-Matrix DSP的去块效应滤波算法的向量化实现[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集（B辑）[C];2011年

10 陈大力;薛定宇;潘峰;;一种新型的双十字模糊滤波算法[A];2006中国控制与决策学术年会论文集[C];2006年

相关博士学位论文 前10条

1 于m[;一类非理想条件下非线性系统的高斯滤波算法及其应用研究[D];哈尔滨工业大学;2015年

2 李伟;鲁棒自适应滤波算法及在飞行器技术中的应用研究[D];上海交通大学;2014年

3 梁军;粒子滤波算法及其应用研究[D];哈尔滨工业大学;2009年

4 李甫;粒子滤波算法研究及其电路设计[D];西安电子科技大学;2010年

5 朱娟;蒙特卡洛滤波算法在目标跟踪中的应用[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

6 高怡;运载器组合导航高性能滤波算法研究[D];西北工业大学;2014年

7 孟晋丽;基于邻域相关性的小波域滤波算法研究[D];西北工业大学;2006年

8 丁家琳;容积卡尔曼滤波算法研究及其在电机状态估计中的应用[D];西南交通大学;2015年

9 黄瀛;电力系统继电保护快速滤波算法研究[D];浙江大学;2005年

10 洪少华;基于粒子滤波的目标跟踪算法与硬件实现研究[D];浙江大学;2010年

相关硕士学位论文 前10条

1 油锡存;步枪射击瞄准位置校正研究[D];昆明理工大学;2015年

2 吕娜娜;基于一致性的分布式粒子滤波算法研究[D];长安大学;2015年

3 张峰瑞;粒子滤波TBD及并行实现技术研究[D];电子科技大学;2014年

4 贾飞飞;非线性滤波算法及其应用研究[D];电子科技大学;2015年

5 魏国华;粒子滤波算法研究与实现[D];电子科技大学;2015年

6 肖婷婷;粒子滤波算法研究及其在无线定位跟踪中的应用[D];电子科技大学;2014年

7 饶子仁;HEVC环内滤波算法优化[D];西安电子科技大学;2014年

8 黄龙;粒子滤波算法及其在指尖跟踪中的应用研究[D];湘潭大学;2015年

9 胡永杰;机载激光雷达点云滤波算法研究[D];东华理工大学;2015年

10 付莎;北斗/INS组合导航系统定位中非线性滤波算法研究[D];西北大学;2015年

，

本文编号：2079376