多目标滤波中的多传感器概率假设密度算法
多传感器情况下的多目标概率假设密度(PHD)滤波是建立在假设模型上实现的.该文用随机有限集(RFS)方法描述多目标状态空间和传感器量测空间,分析了多传感器通用假设模型下的探测概率、似然函数和杂波分布,在此基础上利用概率产生泛函(PGFL)推导出了多传感器PHD滤波递归式,进而提出粒子标记法多传感器贯序蒙特卡洛PHD(SMC-PHD)滤波等价实现算法,降低了多传感器PHD滤波的计算复杂度.最后给出了算法的具体实现,得到了良好的多目标数目和可跟踪多目标状态的估计.
多传感器滤波、概率假设密度、概率产生泛函、假设模型、粒子标记法
34
TP391(计算技术、计算机技术)
中国科学院知识创新工程三期项目KGCX3-SYW-407-03资助课题
2012-10-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
1368-1373