多传感器多目标跟踪的粒子PHD滤波算法.pdf

多传感器多目标跟踪的粒子PHD滤波算法.pdf

ID:52214334

大小:323.64 KB

页数:5页

时间:2020-03-25

多传感器多目标跟踪的粒子PHD滤波算法.pdf_第1页
多传感器多目标跟踪的粒子PHD滤波算法.pdf_第2页
多传感器多目标跟踪的粒子PHD滤波算法.pdf_第3页
多传感器多目标跟踪的粒子PHD滤波算法.pdf_第4页
多传感器多目标跟踪的粒子PHD滤波算法.pdf_第5页
资源描述:

《多传感器多目标跟踪的粒子PHD滤波算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、18传感器与微系统(TransducerandMicrosystemTechnologies)2010年第29卷第4期多传感器多目标跟踪的粒子PHD滤波算法郝燕玲,孟凡彬,张崇猛,蔡艺峰,王素鑫(1.哈尔滨工程大学自动化学院,黑龙江哈尔滨150001;2.天津航海仪器研究所,天津300131)摘要:针对单传感器跟踪系统的缺陷,提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法。这种算法不仅避免了多传感器多目标跟踪的数据关联问题,而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够稳定、精确地估计目标状态和目标数。仿真实验

2、比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能,验证了该方法的跟踪性能和精度。关键词:随机有限集;多传感器;多目标跟踪;粒子滤波;概率假设密度中图分类号:TP274;TN713文献标识码:A文章编号:1000-9787(2010)04--0018-04ParticlePHDfilteralgorithmformultisensormultitargettrackingHAOYan.1ing,MENGFan.bin,。,ZHANGChong.meng。,CAIYi.feng。,WANGSu.xin(1.CollegeofAutom

3、ation,HarbinEngineeringUniversity,Harbin150001,China;2.TianjinNavigationInstrumentResearchInstitute,Tianjin300131,China)Abstract:Inordertoavoidtheflawofsingle—sensortrackingsystem,amuhisensormuhitargettrackingalgorithmbasedonparticleprobabilityhypothesisdensity(PHD)filterispr

4、oposed.Thisalgorithmcannotonlyavoiddataassociationproblemofmuhisensormuhitargettracking,butalsocantrackatime—varyingnumberoftargetsrobustlyandtheirstatesundermissdetection,densetarget,crosstrackandlargenumberoftargetsunderclutterenvironment.achievingrea1.timeperformance.Simul

5、ationresultvalidatedmultisensorwithparticlePHDfilterperformanceandcomparedsinglesensorparticlePHDwithandmuhisensorwithparticlePHDfilterperformance.Keywords:randomfinitesets;muhisensor;multitargettracking;particlefilter;probabilityhypothesisdensity0引言波方法,并将粒子PHD滤波⋯的单传感器多目标跟踪扩展

6、多传感器多目标跟踪在战场监视、导航、避障、机器人到多传感器多目标跟踪,构造一种2个同类传感器的序贯和医学诊断等领域具有重要作用。多目标跟踪的挑战性问融合来跟踪多目标的粒子PHD滤波算法。然后,将这种方题:一方面单一传感器获得的仅是环境特征的局部、片面的法应用到方位和距离跟踪系统中,在强杂波、目标密集、航信息,它的信息量是非常有限的。传感器的观测包括目迹交叉、小范围内目标数多的环境下进行估计目标状态和标产生的观测和非目标产生的观测(如,杂波,虚警,ESM目标数。并通过Matlab进行仿真实验验证了该方法的跟等)。另一方面,目标的位置随时间变化,同时

7、,由于新目踪性能和精度。标的出现、旧目标的消失,目标的数量也会随时问变化。特1随机集理论和多目标跟踪问题别是存在多个目标航迹交叉或相似或小范围内目标数过多1.1RFS的定义时,再用传统的数据关联算法处理,在多目标跟踪过程中,RFS的定义和随机变量的定义方法类似,随机变量处常常会出现目标的失跟和误跟现象。为了克服以上问理的是随机点函数,而随机集处理的是随机集值函数。题,本文提出了基于序贯蒙特卡洛实现的概率假设密度定义1(随机有限集):设E是欧式空间的有界闭子(SMCPHD)滤波的多传感器多目标跟踪方法。集,F()是E的所有有限子集组成集合。(,A,

8、P)是一概本文利用随机有限集(RFS)描述了多传感器多目率空间。称可测映射:一F()为一随机有限集。标的状态模型和观测模型,回顾了概率假

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。