10.3969/j.issn.1001‐506X.2019.08.02
基于双马尔可夫链的SMC‐CBMe Mber滤波
大部分多目标跟踪滤波器都是假设目标及其量测符合隐式马尔可夫链(hidden Markov chain ,HMC)模型,而 HM C模型隐含的独立性假定在很多实际应用中是无效的,双马尔可夫链(pairwise M arkov chain ,PM C )模型相对于 HMC模型更具有普适性.已有的基于 PMC模型的势均衡多目标多伯努利(cardinality balanced multi‐target multi‐Bernoulli ,CBMeMBer)滤波的高斯混合实现仅适用于线性高斯系统,针对基于PMC模型的非线性多目标跟踪系统,将每一条假设航迹的伯努利随机有限集用一组加权粒子来近似,提出了基于PMC模型的势均衡多目标多伯努利滤波的序贯蒙特卡罗(sequential Monte Carlo ,SMC)方法实现(SMC‐PMC‐CBMeMBer)滤波.仿真实验结果验证了SMC‐PMC‐CBMeMBer算法的有效性,在基于PMC模型的非线性多目标跟踪系统中,SMC‐PMC‐CBM eMBer算法性能优于基于 HMC模型的SMC‐CBMeMBer滤波器和基于PMC模型的SMC‐PHD滤波器.
双马尔可夫链、势均衡多目标多伯努利、序贯蒙特卡罗
41
TP391(计算技术、计算机技术)
2019-08-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
1686-1691