2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SMC-PHDF的部分可分辨的群目标跟踪算法

连峰 韩崇昭 刘伟峰 元向辉

连峰, 韩崇昭, 刘伟峰, 元向辉. 基于SMC-PHDF的部分可分辨的群目标跟踪算法. 自动化学报, 2010, 36(5): 731-741. doi: 10.3724/SP.J.1004.2010.00731
引用本文: 连峰, 韩崇昭, 刘伟峰, 元向辉. 基于SMC-PHDF的部分可分辨的群目标跟踪算法. 自动化学报, 2010, 36(5): 731-741. doi: 10.3724/SP.J.1004.2010.00731
LIAN Feng, HAN Chong-Zhao, LIU Wei-Feng, YUAN Xiang-Hui. Tracking Partly Resolvable Group Targets Using SMC-PHDF. ACTA AUTOMATICA SINICA, 2010, 36(5): 731-741. doi: 10.3724/SP.J.1004.2010.00731
Citation: LIAN Feng, HAN Chong-Zhao, LIU Wei-Feng, YUAN Xiang-Hui. Tracking Partly Resolvable Group Targets Using SMC-PHDF. ACTA AUTOMATICA SINICA, 2010, 36(5): 731-741. doi: 10.3724/SP.J.1004.2010.00731

基于SMC-PHDF的部分可分辨的群目标跟踪算法

doi: 10.3724/SP.J.1004.2010.00731
详细信息
    通讯作者:

    连峰

Tracking Partly Resolvable Group Targets Using SMC-PHDF

More Information
    Corresponding author: LIAN Feng
  • 摘要: 提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter, SMC-PHDF)的部分可分辨的群目标跟踪算法. 该算法可直接获得群而非个体的个数和状态估计. 这里群的状态包括群的质心状态和形状. 为了估计群的个数和状态, 该算法利用高斯混合模型(Gaussian mixture models, GMM)拟合SMC-PHDF中经重采样后的粒子分布, 这里混合模型的元素个数和参数分别对应于群的个数和状态. 期望最大化(Expectation maximum, EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)算法分别被用于估计混合模型的参数. 混合模型的元素个数可通过删除、合并及分裂算法得到. 100次蒙特卡洛(Monte Carlo, MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标. 相比EM算法, MCMC算法能够更好地提取群的个数和状态, 但它的计算量要大于EM算法.
  • 加载中
计量
  • 文章访问数:  2854
  • HTML全文浏览量:  62
  • PDF下载量:  1439
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-03-06
  • 修回日期:  2009-06-24
  • 刊出日期:  2010-05-20

目录

    /

    返回文章
    返回