典型文献
基于多目标不确定性改进的GM-PHD滤波器
文献摘要：
基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法.GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性.为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并.理论分析和仿真结果表明:该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法.
文献关键词：
多目标跟踪;随机有限集;高斯混合概率假设密度滤波器;高斯混合;状态估计
中图分类号：
作者姓名：
王奎武;张秦;虎小龙
作者机构：
空军工程大学 防空反导学院,陕西 西安710051;空军工程大学 研究生院,陕西 西安710051
文献出处：
引用格式：
[1]王奎武;张秦;虎小龙-.基于多目标不确定性改进的GM-PHD滤波器)[J].兵工学报,2022(12):3113-3121
A类：
B类：
GM,PHD,随机有限集,多目标跟踪,跟踪问题,杂波环境,估计误差,跟踪性能,标量,协方差,新式,自适应阈值,行合并,跟踪精度,估计值,检测概率,目标数量估计,估计精度,滤波性能,传统算法,高斯混合概率假设密度滤波器,状态估计
AB值：
0.301732
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
