改进的最适高斯近似概率假设密度滤波

改进的最适高斯近似概率假设密度滤波

欧阳成, 陈晓旭, 华云

文章导航 > 雷达学报 > 2013, 2 > 2: (239-246)

欧阳成, 陈晓旭, 华云. 改进的最适高斯近似概率假设密度滤波[J]. 雷达学报, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

引用本文:

欧阳成, 陈晓旭, 华云. 改进的最适高斯近似概率假设密度滤波[J]. 雷达学报, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

Ouyang-Cheng, Chen Xiao-xu, Hua Yun. Improved Best-fitting Gaussian Approximation PHD Filter[J]. Journal of Radars, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

Citation:

Ouyang-Cheng, Chen Xiao-xu, Hua Yun. Improved Best-fitting Gaussian Approximation PHD Filter[J]. Journal of Radars, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

改进的最适高斯近似概率假设密度滤波

doi: 10.3724/SP.J.1300.2013.13010

1.
(电子信息控制重点实验室成都 610036)

基金项目:

中国博士后科学基金(2012M521713)资助课题

作者简介:
欧阳成(1985-)，男，博士后，西安电子科技大学博士毕业，现为中电集团第29研究所博士后。研究方向为目标检测与跟踪、多传感器信息融合。E-mail:ouoyc@yahoo.com.cn 陈晓旭(1976-)，男，工程师，研究方向为信号处理、无源定位技术等。华云(1972-)，男，研究员，研究方向为信号处理、无源定位技术等。

Improved Best-fitting Gaussian Approximation PHD Filter

1.
(Science and Technology on Electronic Information Control Laboratory, Chengdu 610036, China)

摘要: 最适高斯近似概率假设密度滤波是一种新颖的多机动目标跟踪算法。然而，该算法存在模型概率先验固化问题，即在计算模型概率的过程中量测信息不起作用。针对以上问题，该文提出一种改进算法，通过引入模型概率更新过程，将后验量测信息加入模型概率的计算式中，根据似然函数在多个运动模型之间进行软切换，进而实现对多个机动目标的有效跟踪。实验结果表明，改进算法能够有效解决模型概率先验固化问题，在目标数估计和滤波精度方面均优于传统算法，具有良好的工程应用前景。
- 随机集 /
- 概率假设密度滤波 /
- 最适高斯近似 /
- 机动目标跟踪
Abstract: The best-fitting Gaussian approximation Probability Hypothesis Density (PHD) filter is a novel algorithm for multiple maneuvering target tracking. However, there is a problem that the model probabilities are calculated without the measurement innovation. To solve this problem, an improved algorithm is proposed in this paper, which develops an update procedure for model probabilities to employ the posterior measurement innovation to enhance the filtering performance. Then, the dynamic equations can be softly switched among different models according to the likelihood functions. The simulation results show that the improved algorithm has the advantages over the ordinary one in the aspects of target number estimation and filtering accuracy, implying good application prospect.
- Random finite sets /
- Probability Hypothesis Density (PHD) filter /
- Best-fitting Gaussian approximation /
- Maneuvering target tracking

[1]	柳超, 王月基. 对海探测雷达多目标跟踪技术综述 . 雷达学报, 2020, 9(): 1-16. doi: 10.12000/JR20081
[2]	柳超, 孙进平, 陈小龙, 张志国. 结合幅度信息的扩展目标随机有限集跟踪方法 . 雷达学报, 2020, 9(4): 730-738. doi: 10.12000/JR19071
[3]	张云雷, 汤俊, 王力. 基于假设检验理论的雷达近邻目标距离统计分辨限 . 雷达学报, 2019, 8(1): 17-24. doi: 10.12000/JR18085
[4]	裴家正, 黄勇, 董云龙, 何友, 陈小龙. 杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法 . 雷达学报, 2019, 8(3): 355-365. doi: 10.12000/JR18060
[5]	罗迎, 龚逸帅, 陈怡君, 张群. 基于跟踪脉冲的MIMO雷达多目标微动特征提取 . 雷达学报, 2018, 7(5): 575-584. doi: 10.12000/JR18035
[6]	黄瑞, 杜小勇, 胡卫东. OFDM雷达多目标运动参数的近似最大似然估计 . 雷达学报, 2018, 7(4): 507-513. doi: 10.12000/JR17116
[7]	王祥丽, 易伟, 孔令讲. 基于多目标跟踪的相控阵雷达波束和驻留时间联合分配方法 . 雷达学报, 2017, 6(6): 602-610. doi: 10.12000/JR17045
[8]	尉强, 刘忠. 多普勒盲区下基于GM-PHD的雷达多目标跟踪算法 . 雷达学报, 2017, 6(1): 34-42. doi: 10.12000/JR16125
[9]	陈帅霖, 罗丰, 张林让, 胡冲, 陈世超. 基于动态规划的机动目标加权自适应相参积累方法 . 雷达学报, 2017, 6(3): 309-315. doi: 10.12000/JR17002
[10]	吴孙勇, 薛秋条, 朱圣棋, 闫青竹, 孙希延. 杂波环境下基于粒子滤波的微弱扩展目标检测前跟踪算法 . 雷达学报, 2017, 6(3): 252-258. doi: 10.12000/JR16128
[11]	杨军, 张群, 罗迎, 邓冬虎. 基于压缩感知的认知雷达多目标跟踪方法 . 雷达学报, 2016, 5(1): 90-98. doi: 10.12000/JR14107
[12]	苏剑, 宋志勇, 付强, 龙照飞. 单脉冲雷达不可分辨目标与诱饵联合跟踪方法 . 雷达学报, 2015, 4(2): 160-171. doi: 10.12000/JR14094
[13]	李海, 张志强, 周盟. 基于WVD的机载相控阵雷达机动目标检测及参数估计方法 . 雷达学报, 2015, 4(4): 393-400. doi: 10.12000/JR15094
[14]	杨金龙, 刘风梅, 王冬, 葛洪伟. 基于近邻传播聚类的多扩展目标量测集划分算法 . 雷达学报, 2015, 4(4): 452-459. doi: 10.12000/JR15003
[15]	李海, 刘新龙, 周盟, 刘维建. 基于修正自适应匹配滤波器的机动目标检测方法 . 雷达学报, 2015, 4(5): 552-559. doi: 10.12000/JR15105
[16]	武勇, 王俊. 混合卡尔曼滤波在外辐射源雷达目标跟踪中的应用 . 雷达学报, 2014, 3(6): 652-659. doi: 10.12000/JR14113
[17]	黄剑, 胡卫东. 基于贝叶斯框架的空间群目标跟踪技术 . 雷达学报, 2013, 2(1): 86-96. doi: 10.3724/SP.J.1300.2012.20079
[18]	钱广华, 李颖, 骆荣剑. 机动目标跟踪中一种机动频率和方差自适应滤波算法 . 雷达学报, 2013, 2(2): 257-264. doi: 10.3724/SP.J.1300.2013.13003
[19]	吴伟, 尹成友. 一种用于多目标跟踪的增强型SMC-PHD 滤波算法 . 雷达学报, 2012, 1(4): 406-413. doi: 10.3724/SP.J.1300.2012.20094
[20]	熊波, 甘露. MM-CBMeMBer 滤波器跟踪多机动目标 . 雷达学报, 2012, 1(3): 238-245. doi: 10.3724/SP.J.1300.2012.20043

WeChat

点击查看大图

计量

文章访问数: 1827
HTML全文浏览量: 46
PDF下载量: 2282
被引次数: 0

改进的最适高斯近似概率假设密度滤波

doi: 10.3724/SP.J.1300.2013.13010

1. (电子信息控制重点实验室成都 610036)

基金项目:

中国博士后科学基金(2012M521713)资助课题

作者简介:
欧阳成(1985-)，男，博士后，西安电子科技大学博士毕业，现为中电集团第29研究所博士后。研究方向为目标检测与跟踪、多传感器信息融合。E-mail:ouoyc@yahoo.com.cn 陈晓旭(1976-)，男，工程师，研究方向为信号处理、无源定位技术等。华云(1972-)，男，研究员，研究方向为信号处理、无源定位技术等。

收稿日期: 2013-02-05
修回日期: 2013-05-02
刊出日期: 2013-04-28

关键词:

概率假设密度滤波 /

最适高斯近似 /

机动目标跟踪

摘要: 最适高斯近似概率假设密度滤波是一种新颖的多机动目标跟踪算法。然而，该算法存在模型概率先验固化问题，即在计算模型概率的过程中量测信息不起作用。针对以上问题，该文提出一种改进算法，通过引入模型概率更新过程，将后验量测信息加入模型概率的计算式中，根据似然函数在多个运动模型之间进行软切换，进而实现对多个机动目标的有效跟踪。实验结果表明，改进算法能够有效解决模型概率先验固化问题，在目标数估计和滤波精度方面均优于传统算法，具有良好的工程应用前景。

English Abstract

欧阳成, 陈晓旭, 华云. 改进的最适高斯近似概率假设密度滤波[J]. 雷达学报, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

引用本文:

欧阳成, 陈晓旭, 华云. 改进的最适高斯近似概率假设密度滤波[J]. 雷达学报, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

Ouyang-Cheng, Chen Xiao-xu, Hua Yun. Improved Best-fitting Gaussian Approximation PHD Filter[J]. Journal of Radars, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

Citation:

Ouyang-Cheng, Chen Xiao-xu, Hua Yun. Improved Best-fitting Gaussian Approximation PHD Filter[J]. Journal of Radars, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊介绍

道德声明
期刊简介
投稿指南
收录与指标
审稿专家
期刊订阅
ISSN 2095-283X
CN 10-1030/TN
CODEN LXEUAO

联系我们

主办：中国科学院空天信息创新研究院，中国雷达行业协会
地址：北京市海淀区北四环西路19号
电话：010-58887062，010-58887063
Email：radars@mail.ie.ac.cn
出版：科学出版社

京ICP备05002787号-1 本系统由北京仁和汇智信息技术有限公司开发