排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
概率假设密度(Probability Hypothesis Density, PHD)滤波器的序贯蒙特卡罗(Sequential Monte Carlo, SMC)实现需要大量的粒子。为了解决其计算的有效性,本文提出一种改进的SMC-PHD滤波器,称之为似然值波门SMC-PHD滤波器。首先,以所有预测粒子为依据,利用全部的多目标后验信息,最大限度地确认出所有目标生成的观测。其次,基于校正器中所有预测粒子的似然值,避免为粒子贴标签以及传统的距离计算,使得算法在各种应用中易于实现,只有有效观测才参与粒子权值的更新。最后,与基本SMC-PHD滤波器相比,其优秀的实时性和更好的滤波精度通过仿真得到证实。 相似文献
2.
3.
4.
5.
多目标跟踪的实时性、目标的状态提取与航迹连续的正确率受杂波、漏检、目标近距离这些因素的干扰。为了解决这些问题,提出一种改进的SMC-PHD滤波器。首先,基于2个“一对一”准则,提出粒子贴标签方法和粒子簇权值重置机制,可屏蔽高先验密度区域杂波以及检测的不确定性对多目标状态估计及其数目的干扰。其次,将多目标状态提取转换为多个可提供身份标识的单目标状态提取,得到显式的航迹维持。此外,提出一种新颖的粒子重采样方法,可减少近距离目标对彼此后验信息的干扰。仿真验证了提出的显式航迹维持算法的有效性。与基本的SMC-PHD滤波器相比,显著地提高了多目标跟踪的性能,包括实时性与精度。 相似文献
6.
1