MM-CBMeMBer 滤波器跟踪多机动目标

熊波 甘露

引用本文:
Citation:

MM-CBMeMBer 滤波器跟踪多机动目标

    作者简介: 熊波(1987-),女,四川内江人,电子科技大学硕士研究生在读,研究方向为多目标跟踪、混沌通信。E-mail:xiong435943993@163.com 甘露(1974-),男,四川成都人,电子科技大学副教授,主要研究对象为波达方向估计、频率估计、阵列测向、调制识别。E-mail:ganlu@uestc.edu.cn.
  • 基金项目:

    中国工程物理研究院科学基金(2010A040317)和中央高校基本科研业务费专项资金(ZYGX2010J027)

Multiple Maneuvering Targets Tracking Using MM-CBMeMBer Filter

计量
  • 文章访问数:  1725
  • HTML浏览量:  0
  • PDF下载量:  2591
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-05-28
  • 录用日期:  2012-07-02
  • 刊出日期:  2012-06-28

MM-CBMeMBer 滤波器跟踪多机动目标

    作者简介: 熊波(1987-),女,四川内江人,电子科技大学硕士研究生在读,研究方向为多目标跟踪、混沌通信。E-mail:xiong435943993@163.com 甘露(1974-),男,四川成都人,电子科技大学副教授,主要研究对象为波达方向估计、频率估计、阵列测向、调制识别。E-mail:ganlu@uestc.edu.cn
  • 1. (电子科技大学电子工程学院 成都 611731)
基金项目:  中国工程物理研究院科学基金(2010A040317)和中央高校基本科研业务费专项资金(ZYGX2010J027)

摘要: 多模型(Multiple Model, MM)概率假设密度(Probability Hypothesis Density, PHD)滤波器能同时估计机动目标个数及状态,但其序贯蒙特卡罗(Sequential Monte Carlo, SMC)实现运用粒子聚类算法提取目标状态,不仅引入额外计算量,且可能导致目标丢失。针对这一问题,该文提出一种基于多模型的势平衡无偏多目标多伯努利(Multiple Model Cardinality Balanced Multiple target Multi-Bernoulli, MM-CBMeMBer)滤波器,在每次扫描杂波数低于20,检测概率大于0.9 的环境中,该方法利用一组伯努利参数近似机动目标状态的后验概率,并通过对伯努利参数的简单运算估计出目标状态,有效地避免了常规聚类算法。仿真结果表明,该方法与多模型概率假设密度滤波器相比,表征估计误差的最优子模型分配距离明显降低。

English Abstract

目录

    /

    返回文章
    返回