CBMeMBer滤波器序贯蒙特卡罗实现新方法的研究

发布时间：2017-09-26 12:20

  本文关键词：CBMeMBer滤波器序贯蒙特卡罗实现新方法的研究

  更多相关文章： 多目标跟踪 随机有限集 辅助变量 序贯蒙特卡罗 多伯努利

【摘要】：为提升多伯努利滤波器序贯蒙特卡罗(Sequential Monte Carlo,SMC)实现中粒子采样的有效性,提出一种CBMe MBer辅助粒子滤波(Auxiliary particle filter,APF)实现的新方法.首先,利用多伯努利后验概率密度选择适合于CBMe MBer滤波器的辅助变量去重新定义采样问题.分别选择量测和先验密度分量作为辅助变量,确保最终的状态粒子能够集中在真实目标量测对应航迹的伯努利概率密度上进行采样,以使粒子向似然函数的峰值区移动,得到更为精确的多目标多伯努利(Multi-target multi-Bernoulli,Me MBer)后验概率密度的估计.同时,文中深入研究并给出了在量测更新和漏检情况下辅助变量以及多目标状态采样分布函数的设计,并研究利用渐近更新(Progressive correction,PC)算法对先验密度分量的量测更新进行迭代逼近计算,以提高最终分布函数求解的准确度.最后,针对两个典型非线性多目标跟踪问题的应用验证了算法的有效性.
【作者单位】： 西安交通大学智能网络与网络安全教育部重点实验室;兰州理工大学电气工程与信息工程学院;
【关键词】： 多目标跟踪 随机有限集 辅助变量 序贯蒙特卡罗 多伯努利
【基金】：国家重点基础研究发展计划(973计划)(2013CB329405) 国家自然科学基金创新研究群体(61221063);国家自然科学基金(61370037,61005026,61473217) 甘肃省高等学校科研项目(2014A-035)资助~~
【分类号】：TN713
【正文快照】： 基于随机有限集(Random finite set,RFS)的多目标跟踪算法是典型的联合决策与估计的方法,它从集值估计的整体角度描述和解决多目标跟踪问题,提供了一种无需做关联决策解决多目标跟踪问题的理论框架.而众所周知的是,数据关联问题一直是传统多目标跟踪算法的难点,它的存在对一般，

本文编号：923465