针对单传感器交互式多模型联合概率数据关联滤波算法(Interacting Multiple Model Joint Probabilistic Data Associa-tion Filtering,IMMJPDAF)在非线性情况下跟踪精度低,且对于非高斯问题不适用的情况,文中提出一种基于粒子滤波的多...针对单传感器交互式多模型联合概率数据关联滤波算法(Interacting Multiple Model Joint Probabilistic Data Associa-tion Filtering,IMMJPDAF)在非线性情况下跟踪精度低,且对于非高斯问题不适用的情况,文中提出一种基于粒子滤波的多传感器交互式多模型多机动目标跟踪算法(Interacting Multiple Model Joint Probabilistic Data Association Particle Filtering,IMM-JPDA-PF).将IMM,JPDA和PF相结合,给出了两个传感器情况下的IMM-JPDA-PF算法,并且IMM-JPDA-PF()算法能够很容易地扩展到任意多个传感器的情况,在非线性非高斯条件下实现了杂波环境中利用多传感器对多机动目标的有效跟踪.仿真结果表明,多传感器IMM-JPDA-PF算法比单传感器的IMM-JPDA-PF算法具有更高的多机动目标跟踪精度.展开更多
文摘针对单传感器交互式多模型联合概率数据关联滤波算法(Interacting Multiple Model Joint Probabilistic Data Associa-tion Filtering,IMMJPDAF)在非线性情况下跟踪精度低,且对于非高斯问题不适用的情况,文中提出一种基于粒子滤波的多传感器交互式多模型多机动目标跟踪算法(Interacting Multiple Model Joint Probabilistic Data Association Particle Filtering,IMM-JPDA-PF).将IMM,JPDA和PF相结合,给出了两个传感器情况下的IMM-JPDA-PF算法,并且IMM-JPDA-PF()算法能够很容易地扩展到任意多个传感器的情况,在非线性非高斯条件下实现了杂波环境中利用多传感器对多机动目标的有效跟踪.仿真结果表明,多传感器IMM-JPDA-PF算法比单传感器的IMM-JPDA-PF算法具有更高的多机动目标跟踪精度.
