运动目标状态序贯贝叶斯滤波

状态-空间模型是一个通用和宽容的模型,它包含了描述系统所要求的所有相关信息。贝叶斯滤波方法是解决状态估计问题的一般框架。当有新数据可用时,序贯滤波方法可以实现估计和更新待估参量。对于运动目标状态跟踪问题,利用状态-空间模型进行建模,并采用序贯贝叶斯方法进行处理,如扩展卡尔曼滤波、unscented卡尔曼滤波和质点滤波。该文给出了这3种方法的仿真结果,从而实现目标状态跟踪。

一种改进的多假设跟踪算法

针对多假设跟踪(MHT)算法在多目标关联跟踪过程中计算量大的问题,提出了一种改进的多假设跟踪算法,修改假设生成、假设删除、新目标初始化、交叉目标关联跟踪策略,实现快速目标关联与跟踪,并且提高了检测性能。通过仿真研究,验证了该算法的有效性。