基于粒子滤波的交互式多模型说话人跟踪方法

本文提出一种基于采样交互的多模型粒子滤波方法,实现了对随意运动说话人的有效跟踪.该方法根据说话人跟踪问题的特点,用马尔可夫跳变系统描述说话人的动态特性,用粒子滤波方法估计说话人的位置.在说话人跟踪过程中,通过调整滤波粒子的采样区域,完成交互式多模型方法中系统状态的交互过程,这不仅实现了各子滤波器中粒子数目的任意设定,避免了模型转换过程中的性能退化现象,而且取消了对模型后验概率密度函数的高斯分布假定,增强了说话人跟踪系统的鲁棒性.计算机仿真实验结果验证了本文方法的有效性.

基于一致性的分布式变结构多模型方法

本文针对由雷达与红外组成的分布式传感器网络,研究基于一致性的分布式变结构多模型方法(Distributed variable structure multiple model,DVSMM).首先,使用无迹信息滤波(Unscented information filter,UIF)解决系统非线性的问题,然后,将变结构交互式多模型(Variable structure interacting multiple model,VSMM)方法进行改进,提出一类可应用于分布式状态估计的分布式变结构多模型DVSMM方法.仿真实验结果验证了该方法的有效性.

用IMMPDA固定延迟平滑算法对杂波环境下机动目标的多传感器跟踪

本文对于在杂波环境下用多个传感器跟踪一个高度机动目标提出了一个次优的固定延迟平滑算法。此固定延迟平滑算法是把基本的交互式多模型方法(IMM)和概率数据互联(PDA)技术应用到扩展状态系统上发展而来的。在过去这种方法只使用在确切考虑量测来源(即无杂波)的马尔科夫开关过程上。本文通过对一个高度机动目标跟踪的仿真例子来说明这个算法,其中仿真假设有两个传感器:一部雷达、一部红外,都作用在密集环境下。提出的平滑算法引进了在估计时刻与最新量测之间的一个短时延迟,使得在航迹估计精度上与已有的IMMPDA滤波算法相比,有了显著地提高。而且其计算量只是随着延迟时间线性增长。然而,在一些应用中跟踪的延迟可能导致在控制闭环中产生不希望有的影响。