高斯混合概率假设密度滤波的改进与应用研究

发布时间：2017-09-23 10:38

  本文关键词：高斯混合概率假设密度滤波的改进与应用研究

  更多相关文章： 多目标 概率假设密度 跟踪算法 频率估计

【摘要】：针对高斯混合概率密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器存在新生目标在整个检测区域随机出现位置难以确定的问题,实现了一种基于量测驱动目标新生概率密度函数算法,每个扫描周期接收到新的量测信息自适应生成目标强度函数,记录存活目标强度函数,从而实现自适应区分存活目标的强度函数和新生目标,提高算法精度。利用多目标位置追踪仿真数据以及实测海豚哨声信号频率对算法进行了测试,最优子模式分配函数(optional sub pattern assignment,OSPA)作为算法监测标准,结果证明了新算法在目标数目估计以及追踪精度方面都有明显的改善,目标数目估计正确率达到97%,OSPA距离较GM-PHD算法下降30%。
【作者单位】： 哈尔滨工程大学信息与通信工程学院;
【关键词】： 多目标 概率假设密度 跟踪算法 频率估计
【基金】：国家自然科学基金(61175126,61371175) 中央高校基本科研业务费专项资金资助项目(HEUCFZ1209) 教育部博士点基金资助项目(20112304110009)资助课题
【分类号】：TN713
【正文快照】： 网络优先出版地址:http://www.cnki.net/kcms/detail/11.2422.TN.20161008.1500.002.html0引言对于多目标跟踪而言,在任意时刻目标都存在新生、衍生或死亡3种可能状态[1-2]。同时,目标数目实时变化,目标可能刚进入监测区、刚离开检测区,并且,传感器存在噪声或漏检,也会引起观

【相似文献】

中国期刊全文数据库 前1条

1 林两魁;鲁建华;谭德锋;;一种粒子概率假设密度滤波新生粒子采样新方法[J];电子信息对抗技术;2012年06期

，

本文编号：904800