|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 随机有限集理论及其在多目标跟踪中的应用和实现显示文摘梳理了随机有限集(RFS)的理论基础和发展脉络,重点对其在多目标跟踪中应用和实现的难点问题进行详细分析.首先针对单传感器情形,深入讨论RFS的几类典型近似技术,包括:概率假设密度(PHD)滤波器、势概率假设密度(CPHD)滤波器、多伯努利(MeMBer)滤波器以及泛化标签多伯努利(GLMB)滤波器,对其发展脉络进行分析,并对高斯混合(GM)及序贯蒙特卡罗(SMC)实现中面临的问题进行研究;其次,针对多传感器情形,介绍时空配准问题的处理方法,并分别从集中式、分布式融合两个方面对基于RFS多传感器多目标跟踪技术进行分析;再次,对RFS滤波器在实际应用中面临的困难及挑战进行分析;最后,基于现有研究进展,提出RFS在多目标跟踪领域未来需重点关注及研究的方向. | 彭华甫 黄高明 田威 | 2019 | 控制与决策2019，34，2： | 12 |
| 2 | 低检测概率下改进的概率假设密度滤波器显示文摘针对传统多目标概率假设密度(PHD)滤波器在低检测概率情况下跟踪精度低和失跟率高的问题,提出了一种改进的概率假设密度滤波算法。该算法利用高斯混合PHD(GM-PHD)滤波器进行PHD预测和PHD更新,处理过程中通过修正上一拍权值大的高斯项,并在处理当前拍时保证其权值的稳定性,以保证算法的高精度。仿真结果表明,在低检测概率情况下,该算法可较好估计目标数和目标状态。与传统GM-PHD滤波器比,该算法跟踪精度大幅提高。 | 史玺 杨峰 梁彦 潘泉 | 2014 | 指挥信息系统与技术2014，5，6： | 7 |
| 3 | 基于ET-PHD滤波器和变分贝叶斯近似的扩展目标跟踪算法显示文摘针对未知测量噪声协方差情况下的多扩展目标跟踪问题,利用扩展目标概率假设密度(ET-PHD)滤波器和变分贝叶斯(VB)近似理论,提出了一种标准ET-PHD滤波器的扩展方法及其解析的实现方法。首先,根据标准ETPHD滤波器的目标状态方程和测量方程,定义了目标状态和测量噪声协方差的增广状态变量及二者的联合转移函数;然后,根据标准ET-PHD滤波器,构建了扩展的ET-PHD滤波器的预测和更新公式;最后,在线性高斯假设的条件下,利用高斯和逆伽马(IG)混合分布表示目标的联合后验强度函数,从而给出了扩展ET-PHD滤波器的解析实现。仿真结果表明:所提算法能提供可靠的跟踪结果,可有效地处理未知测量噪声协方差环境中的多扩展目标跟踪问题。 | 何祥宇 李静 杨数强 夏玉杰 | 2020 | 计算机应用2020，40，12： | 4 |
| 4 | Variational Bayesian labeled multi-Bernoulli filter with unknown sensor noise statistics显示文摘It is difficult to build accurate model for measurement noise covariance in complex backgrounds. For the scenarios of unknown sensor noise variances, an adaptive multi-target tracking algorithm based on labeled random finite set and variational Bayesian(VB) approximation is proposed. The variational approximation technique is introduced to the labeled multi-Bernoulli(LMB)filter to jointly estimate the states of targets and sensor noise variances. Simulation results show that the proposed method can give unbiased estimation of cardinality and has better performance than the VB probability hypothesis density(VB-PHD) filter and the VB cardinality balanced multi-target multi-Bernoulli(VB-CBMe MBer) filter in harsh situations. The simulations also confirm the robustness of the proposed method against the time-varying noise variances. The computational complexity of proposed method is higher than the VB-PHD and VB-CBMe MBer in extreme cases,while the mean execution times of the three methods are close when targets are well separated. | Qiu Hao Huang Gaoming Gao Jun | 2016 | Chinese Journal of Aeronautics2016，29，5： | 4 |
| 5 | 基于标签多伯努利滤波的衍生目标跟踪算法显示文摘针对现有随机有限集(RFS)滤波器在低信噪比环境下对衍生目标跟踪性能严重下降的问题,提出了一种基于Delta扩展标签多伯努利(δ-GLMB)滤波器的改进算法。基于随机集理论和伯努利衍生模型,推导了新的预测方程,并采用了假设裁剪及分组手段和多伯努利近似技术以降低算法的计算量。针对假设增多引起的虚警问题,将多帧平滑思想和算法相结合,利用标签信息对新目标进行回溯处理。仿真结果表明,所提算法能对目标数目进行无偏估计,在低探测概率和强杂波环境下性能明显优于概率假设密度(PHD)算法,计算开销在衍生初始阶段增长快于PHD,目标较分散时低于PHD。 | 邱昊 黄高明 左炜 高俊 | 2015 | 航空学报2015，36，9： | 4 |
| 6 | 三维空间纯方位多目标跟踪PHD算法显示文摘针对基于概率假设密度算法(Probability Hypothesis Density,PHD)的高维纯方位多目标跟踪,提出了新型的PHD算法—新型采样准则的基于无迹变换的粒子PHD算法(Unscented Particle PHD based on New Sampling Rule,NSRUP-PHD).新算法对每个目标设计了基于无迹变换(Unscented Transform,UT)的粒子滤波器,不仅解决了非线性滤波估计的问题,而且还通过高斯混合的方式实现了非高斯噪声估计.此外粒子滤波器提出了一种新型的采样手段,通过基于三阶容积准则(Cubature Rule,CR)的粒子方位选择和概率累加的距离延伸,使得采样粒子遍布整个空间的同时保障了粒子概率分布的问题,提高了粒子使用的效率.仿真结果表明NSRUP-PHD能够实现多目标有效跟踪,相比于传统的算法和伪随机采样,新型滤波器和采样手段可改善跟踪效果. | 熊志刚 黄树彩 苑智玮 赵炜 | 2018 | 电子学报2018，46，6： | 2 |
| 7 | 基于随机摄动再采样的粒子概率假设密度滤波器显示文摘作为概率假设密度滤波的典型实现方式,粒子概率假设密度滤波器无需线性高斯等先验假设,因而在多目标跟踪中得到了广泛的应用。为解决粒子退化问题并保持粒子规模,该滤波器引入了重采样机制,然而,该重采样机制易引起粒子多样性耗尽,导致粒子贫化问题产生。为解决这一问题,该文提出一种新的基于随机摄动再采样的粒子概率假设密度滤波器。首先,全面分析了粒子概率假设密度滤波因粒子贫化问题导致目标失跟的过程。然后设计了一种随机摄动再采样算法,该算法在重采样导致粒子多样性缺失时,根据源粒子的位置与复制次数随机产生相应数目的新粒子,并对源粒子进行删减,其可在保留源粒子信息的前提下保持粒子的多样性。最后,该文将该算法纳入概率假设密度滤波框架,提出了一种新的粒子概率假设密度滤波器。仿真结果表明该滤波器在不显著增加运行时间的前提下能够克服粒子贫化问题,相比标准的粒子概率假设密度滤波器具有更好的跟踪性能。 | 徐从安 何友 夏沭涛 程俊图 董云龙 | 2016 | 电子与信息学报2016，38，11： | 2 |
| 8 | A novel SMC-PHD filter based on particle compensation显示文摘As a typical implementation of the probability hypothesis density(PHD) filter, sequential Monte Carlo PHD(SMC-PHD) is widely employed in highly nonlinear systems. However, the particle impoverishment problem introduced by the resampling step, together with the high computational burden problem, may lead to performance degradation and restrain the use of SMC-PHD filter in practical applications. In this work, a novel SMC-PHD filter based on particle compensation is proposed to solve above problems. Firstly, according to a comprehensive analysis on the particle impoverishment problem, a new particle generating mechanism is developed to compensate the particles. Then, all the particles are integrated into the SMC-PHD filter framework. Simulation results demonstrate that, in comparison with the SMC-PHD filter, proposed PC-SMC-PHD filter is capable of overcoming the particle impoverishment problem, as well as improving the processing rate for a certain tracking accuracy in different scenarios. | 徐从安 何友 杨富程 简涛 王海鹏 李天梅 | 2017 | Journal of Central South University2017，24，8： | 0 |
| 9 | 天基平台弹道导弹参数似然估计算法显示文摘针对空天防御体系中弹道导弹的跟踪提出了参数最大似然估计概率假设密度(Probability Hypothesis Density,PHD)多目标跟踪算法。该算法将未知的、影响跟踪精度的关键因素从目标状态变量中分离出来,设计了针对该参数估计的最大似然估计器,同时为解决似然比整体过小无效的问题,提出了利用马氏距离平方根计算似然比的方法。此外考虑弹道导弹实时跟踪的需求,推导并引入了新型积分点采样准则,以较少的Sigma点去近似高斯函数积分。仿真结果验证了改进算法的性能,可为反导拦截提供更为准确的情报信息。 | 顾忠征 梁小安 | 2018 | 火力与指挥控制2018，43，3： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员