高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法

胡子军 张林让 张鹏 王纯

胡子军, 张林让, 张鹏, 王纯. 基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法[J]. 电子与信息学报, 2015, 37(1): 116-122. doi: 10.11999/JEIT140218
引用本文: 胡子军, 张林让, 张鹏, 王纯. 基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法[J]. 电子与信息学报, 2015, 37(1): 116-122. doi: 10.11999/JEIT140218
Hu Zi-Jun, Zhang Lin-Rang, Zhang Peng, Wang Chun. Gaussian Mixture Cardinalized Probability Hypothesis Density Filter for Multiple Maneuvering Target Tracking under Unknown Clutter Situation[J]. Journal of Electronics & Information Technology, 2015, 37(1): 116-122. doi: 10.11999/JEIT140218
Citation: Hu Zi-Jun, Zhang Lin-Rang, Zhang Peng, Wang Chun. Gaussian Mixture Cardinalized Probability Hypothesis Density Filter for Multiple Maneuvering Target Tracking under Unknown Clutter Situation[J]. Journal of Electronics & Information Technology, 2015, 37(1): 116-122. doi: 10.11999/JEIT140218

基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法

doi: 10.11999/JEIT140218
基金项目: 

国家自然科学基金(61301281)资助课题

Gaussian Mixture Cardinalized Probability Hypothesis Density Filter for Multiple Maneuvering Target Tracking under Unknown Clutter Situation

  • 摘要: 多模型的随机有限集(RFS)类方法是一类有效的多机动目标跟踪算法,但是现有算法都假定杂波统计特性先验已知,不适用于未知杂波背景。该文以高斯混合带势概率假设密度滤波器(GMCPHDF)为基础,提出一种未知杂波下的多机动目标跟踪算法。该算法对目标和杂波分别独立建模,通过最优高斯(BFG)估计方法对真实目标的强度函数进行预测,从而使多目标强度函数独立于机动目标的运动模型,实现各时刻真实目标的强度函数、杂波源期望个数以及真实目标和杂波源的混合势分布的迭代。仿真结果表明,该算法能够有效地联合估计多机动目标状态以及杂波期望个数。
  • 加载中
计量
  • 文章访问数:  2082
  • HTML全文浏览量:  148
  • PDF下载量:  589
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-02-19
  • 修回日期:  2014-06-19
  • 刊出日期:  2015-01-19

目录

    /

    返回文章
    返回