基于似然分布自适应调整的SMC-PHDF算法

摘要：

SMC-PHDF(Sequential Monte Carlo-Probability Hypothesis Density Filter)算法由于不受高斯和线性的限制,在目标跟踪领域有着广泛的应用;然而当系统量测噪声较大,很多样本的归一化权重很小而成为无效样本,最终导致SMC-PHDF算法滤波精度较低;针对这一问题提出似然分布自适应调整的SMC-PHDF算法,通过在更新步骤中自适应调整粒子权值,增加先验密度和似然的重叠区,从而达到提高滤波性能的目的;仿真结果表明:在系统量测噪声较大时该算法比传统SMC-PHDF算法的滤波效果有所提升.

关键词：SMC-PHDF、测噪声、自适应、先验密度

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目62171300

在线出版日期：2017-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：179-182,187