-
题名标签随机有限集下多机动目标跟踪快速实现
- 1
-
-
作者
刁丹丹
房亮
-
机构
中国电子科技集团公司第二十七研究所
西安电子科技大学电子工程学院
-
出处
《中国电子科学研究院学报》
北大核心
2023年第6期503-512,共10页
-
文摘
针对传统δ-GLMB(δ-Generalized Labeled Multi-Bernoulli)滤波和δ-JGLMB(δ-Joint Generalized Labeled Multi-Bernoulli)滤波计算复杂度较高和实际场景中目标机动的问题,文中提出了IMM-δ-FGLMB(Interactive Multi-modelδ-GLMB)滤波和IMM-δ-FJGLMB(Interactive Multi-modelδ-JGLMB)滤波两种跟踪算法。在滤波新生阶段提出量测驱动Bernoulli成分筛选过程(Measurement Driven for Filtrate the Bernoulli Components,MDFBC),通过利用量测信息来对新生的Bernoulli成分进行粗筛,去除无贡献的新生Bernoulli成分,进而为算法减少计算量。在滤波的预测阶段,通过利用多个模型对机动目标的状态进行交互式预测,从而避免使用单个模型进行状态预测时出现的模型失配问题。实验验证了所提算法在多机动目标跟踪和计算效率方面的优良性能。
-
关键词
多机动目标追踪
δ-GLMB滤波
δ-JGLMB滤波
δ-FJGLMB滤波
交互式多模型算法
-
Keywords
multiple maneuvering target tracking
8-GLMB filter
8-JGLMB filter
-FJGLMB filter
interacting multiple model
-
分类号
TN954.6
[电子电信—信号与信息处理]
-
-
题名交互式箱粒子标签多伯努利机动目标跟踪算法
被引量:2
- 2
-
-
作者
蔡如华
杨标
吴孙勇
孙希延
-
机构
桂林电子科技大学数学与计算科学学院
广西精密导航技术与应用重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2020年第11期2448-2460,共13页
-
基金
国家自然科学基金(61561016)
广西自然科学基金(2016GXNS-FAA380073)
+1 种基金
广西密码学信息安全重点实验室研究课题项目(GCIS201611)
广西高校数据分析与计算重点实验室开放基金项目资助。
-
文摘
针对多机动目标追踪问题,将交互式多模型(Interacting multiple model,IMM)思想与箱粒子标签多伯努利滤波器(Box-labeled multi-bernoulli filter,Box-LMB)相结合,提出交互式箱粒子标签多伯努利滤波器(IMM-Box-LMB)算法.该算法首先通过扩展多目标状态,引入模型匹配概率变量,并利用量测信息在预测阶段更新模型匹配概率,进而使用交互式多模型算法对每个箱粒子状态进行混合估计.其次,在更新阶段提出二次收缩算法,通过二次收缩算法使更新后的箱粒子具有更大的区间和存活概率,也更加接近真实目标位置,从而达到提升后续时刻箱粒子多样性的目的.仿真结果表明,二次收缩算法能够有效地提升箱粒子的多样性.将二次收缩算法应用于IMM-Box-LMB算法,能够在不同信噪比下稳定准确地估计机动目标的个数.相同条件下,与匀速直线运动(Constant velocity,CV)模型下的Box-LMB算法相比,IMM-Box-LMB算法能够对多机动目标的数目以及状态进行更加有效的估计.
-
关键词
多机动目标追踪
交互式多模
标签多伯努利滤波
箱粒子滤波
收缩算法
-
Keywords
Multiple maneuvering target tracking
interacting multiple model
labeled multi-Bernoulli particle filter
box particle filter
contraction algorithm
-
分类号
TN713
[电子电信—电路与系统]
-