期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于高斯粒子JPDA滤波的多目标跟踪算法
被引量:
10
1
作者
张俊根
姬红兵
蔡绍晓
《电子与信息学报》
EI
CSCD
北大核心
2010年第11期2686-2690,共5页
在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不...
在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不是高斯量,来近似目标与观测的边缘关联概率,利用GPF计算目标状态的预测及更新分布。将其应用于被动多传感器多目标跟踪,仿真结果表明该算法比MC-JPDAF具有更好的跟踪性能。
展开更多
关键词
多目标跟踪
联合概率数据关联
高斯粒子滤波
被动多传感器
下载PDF
职称材料
并行高斯粒子滤波被动多目标跟踪新算法
被引量:
6
2
作者
张俊根
姬红兵
蔡绍晓
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2011年第1期117-122,共6页
针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波...
针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波(GPF)独立估计单个目标的状态,采用拟蒙特卡罗(QMC)方法近似各目标的预测及更新分布.将该算法应用于被动多传感器多目标跟踪,仿真结果表明,所提算法比联合概率数据关联滤波器(JPDAF)、马尔可夫链蒙特卡罗数据关联滤波(MCMCDAF)及蒙特卡罗联合概率数据关联滤波(MC-JPDAF)具有更好的跟踪性能.
展开更多
关键词
多目标跟踪
数据关联
高斯粒子滤波
马尔可夫链蒙特卡罗
下载PDF
职称材料
题名
基于高斯粒子JPDA滤波的多目标跟踪算法
被引量:
10
1
作者
张俊根
姬红兵
蔡绍晓
机构
西安电子科技大学电子工程学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2010年第11期2686-2690,共5页
基金
国家自然科学基金(60871074)资助课题
文摘
在多目标跟踪中,由于观测的不确定性带来数据关联问题,并且,多目标状态空间尺寸的增长带来了维数增大问题,该文提出了一种新的高斯粒子联合概率数据关联滤波算法(GP-JPDAF),在JPDA框架中引入高斯粒子滤波(GPF)的思想,通过高斯粒子而不是高斯量,来近似目标与观测的边缘关联概率,利用GPF计算目标状态的预测及更新分布。将其应用于被动多传感器多目标跟踪,仿真结果表明该算法比MC-JPDAF具有更好的跟踪性能。
关键词
多目标跟踪
联合概率数据关联
高斯粒子滤波
被动多传感器
Keywords
Multi-target tracking
Joint Probabilistic Data Association(JPDA)
Gaussian Particle Filtering(GPF)
Passive multi-sensor
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
并行高斯粒子滤波被动多目标跟踪新算法
被引量:
6
2
作者
张俊根
姬红兵
蔡绍晓
机构
西安电子科技大学电子工程学院
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2011年第1期117-122,共6页
基金
国家自然科学基金资助项目(6871074)
文摘
针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波(GPF)独立估计单个目标的状态,采用拟蒙特卡罗(QMC)方法近似各目标的预测及更新分布.将该算法应用于被动多传感器多目标跟踪,仿真结果表明,所提算法比联合概率数据关联滤波器(JPDAF)、马尔可夫链蒙特卡罗数据关联滤波(MCMCDAF)及蒙特卡罗联合概率数据关联滤波(MC-JPDAF)具有更好的跟踪性能.
关键词
多目标跟踪
数据关联
高斯粒子滤波
马尔可夫链蒙特卡罗
Keywords
multi-target tracking
data association
Gaussian particle filter
Markov chain Monte Carlo
分类号
TN953 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于高斯粒子JPDA滤波的多目标跟踪算法
张俊根
姬红兵
蔡绍晓
《电子与信息学报》
EI
CSCD
北大核心
2010
10
下载PDF
职称材料
2
并行高斯粒子滤波被动多目标跟踪新算法
张俊根
姬红兵
蔡绍晓
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2011
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部