高斯混合粒子Cardinalized概率假设密度滤波被动测角多目标跟踪
为解决目标数未知或随时间变化的多目标跟踪问题,通常将多目标状态和观测数据表示为随机集形式,通过Cardinalized概率假设密度(CPHD)滤波,递推计算目标的强度(即概率假设密度,PHD)及目标数的概率分布.然而对于被动测角的非线性跟踪问题,CPHD无法获得闭合解.为此,本文提出一种新的高斯混合粒子CPHD算法,利用高斯混合近似PHD,避免了用聚类确定目标状态,同时,将拟蒙特卡罗(QMC)积分方法引入计算目标状态的预测和更新分布,取得了良好的效果.
多目标跟踪、随机集、Cardinalized概率假设密度、被动测角、拟蒙特卡罗
28
TN953
国家自然科学基金资助项目60871074
2011-05-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
46-52