本文選題：目標(biāo)跟蹤 + 隨機(jī)有限集��； 參考：《西安交通大學(xué)學(xué)報》2017年10期

【摘要】：針對序列蒙特卡羅廣義標(biāo)簽多伯努利濾波(SMC-GLMB)算法計算效率低、實(shí)時性差的問題,提出了箱粒子廣義標(biāo)簽多伯努利濾波的目標(biāo)跟蹤(Box-GLMB)算法。該算法使用帶標(biāo)簽的隨機(jī)有限集描述多目標(biāo)的狀態(tài),包括目標(biāo)的位置和速度,并且對每個目標(biāo)用互不相同的標(biāo)簽進(jìn)行區(qū)分;然后利用箱粒子濾波算法近似單目標(biāo)狀態(tài)的概率密度,即用一組帶權(quán)值的均勻分布擬合單目標(biāo)狀態(tài)概率密度;最后通過廣義標(biāo)簽多伯努利濾波對多目標(biāo)狀態(tài)的概率密度進(jìn)行預(yù)測與更新,從多目標(biāo)狀態(tài)后驗(yàn)概率密度中估計單目標(biāo)的位置與速度,根據(jù)目標(biāo)的標(biāo)簽可以實(shí)現(xiàn)航跡跟蹤。BoxGLMB算法結(jié)合了箱粒子濾波與GLMB算法的優(yōu)勢,能夠跟蹤目標(biāo)航跡,同時提高計算效率。仿真結(jié)果表明,Box-GLMB算法可以有效估計目標(biāo)狀態(tài)以及跟蹤目標(biāo)航跡,相比于SMC-GLMB算法,計算效率提升了62%。
[Abstract]:Aiming at the problems of low computational efficiency and poor real-time performance of the sequential Monte Carlo generalized label multiple Bernoulli filter (SMC-GLMB), a Box-GLMB-based target tracking algorithm based on the box particle generalized label multiple Bernoulli filter is proposed. The algorithm uses a random finite set with labels to describe the state of multiple targets, including the position and speed of the targets, and distinguishes each target with different labels. Then the box particle filter algorithm is used to approximate the probability density of a single target state, that is, a set of weighted uniform distribution is used to fit the probability density of a single target state. Finally, the probability density of multi-target state is predicted and updated by generalized label multi-Bernoulli filter, and the position and velocity of single target are estimated from the posteriori probability density of multi-objective state. According to the tag of the target, track tracking. BoxGLMB algorithm combines the advantages of box particle filter and GLMB algorithm, can track the track of the target and improve the computational efficiency. Simulation results show that the Box-GLMB algorithm can effectively estimate the state of the target and track the target. Compared with the SMC-GLMB algorithm, the computational efficiency is improved 62%.
【作者單位】： 西安電子科技大學(xué)電子工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61372003)
【分類號】：TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李樹軍;李開端;;基于自適應(yīng)α-β濾波的目標(biāo)跟蹤算法研究[J];科學(xué)技術(shù)與工程;2012年34期

2 袁佳;尹小杰;柯芳;吳斌;樊鍵;程川;;一種用于復(fù)合軸系統(tǒng)的機(jī)動目標(biāo)跟蹤算法[J];彈箭與制導(dǎo)學(xué)報;2014年02期

3 侯志松;張凱;;非均勻雜波環(huán)境中基于粒子濾波的無參目標(biāo)跟蹤算法[J];火力與指揮控制;2014年06期

4 姬存慧;吳盤龍;彭帥;王寶寶;;去偏轉(zhuǎn)換量測IMM機(jī)動目標(biāo)跟蹤算法的硬件實(shí)現(xiàn)[J];電光與控制;2013年04期

5 孟軍英;劉教民;韓明;王娟;;基于粒子濾波架構(gòu)的實(shí)時目標(biāo)跟蹤算法研究[J];河北工業(yè)大學(xué)學(xué)報;2013年04期

6 劉玉磊;馮新喜;;基于CKF被動多傳感器目標(biāo)跟蹤算法[J];計算機(jī)仿真;2013年08期

7 王學(xué)偉,何友;艦載紅外警戒系統(tǒng)多目標(biāo)跟蹤算法研究[J];火力與指揮控制;1999年01期

8 鞠園;鹿樂;蔡亮;劉磊;王星;;基于隨機(jī)有限集的多目標(biāo)跟蹤算法[J];火力與指揮控制;2014年S1期

9 潘平俊;馮新喜;李鋒;石磊;李鴻艷;;基于轉(zhuǎn)換瑞利濾波器的紅外目標(biāo)跟蹤算法[J];紅外技術(shù);2008年06期

10 章飛;周杏鵬;陳小惠;;基于衰減記憶濾波的平方根UKF被動目標(biāo)跟蹤算法[J];測控技術(shù);2010年04期

相關(guān)會議論文 前1條

1 趙淵;管慶;徐勝;;目標(biāo)跟蹤算法在DM6437上的實(shí)現(xiàn)和優(yōu)化[A];2009年通信理論與信號處理學(xué)術(shù)年會論文集[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 秦永;基于隨機(jī)有限集的目標(biāo)跟蹤算法研究[D];華中科技大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王佩思;基于粒子濾波的目標(biāo)跟蹤算法研究[D];南京郵電大學(xué);2015年

2 代標(biāo);基于強(qiáng)度濾波器的多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

3 陳慶;基于核相關(guān)濾波器的實(shí)時單目標(biāo)跟蹤算法研究[D];安徽大學(xué);2017年

4 馮帆;復(fù)雜度可分級的目標(biāo)跟蹤算法研究[D];華中科技大學(xué);2013年

5 王冉;基于粒子濾波的目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2014年

6 毛鑫萍;基于粒子濾波的目標(biāo)跟蹤算法研究[D];浙江工業(yè)大學(xué);2013年

7 龔小彪;基于TLD框架的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2014年

8 趙清華;基于FPGA的目標(biāo)跟蹤算法的設(shè)計與實(shí)現(xiàn)[D];中國科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所）;2014年

9 周健;基于概率假設(shè)密度的多目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2013年

10 趙慧;多傳感器信息融合目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2014年

，

本文編號：1985065