作者:刘丽娟,刘国栋 单位:中国电子科技集团公司第四十九研究所 出版:《传感器与微系统》2013年第10期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFCGQJ2013100380 DOC编号:DOCCGQJ2013100389 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于概率假设密度的无线传感器网络多目标跟踪算法》PDF+DOC2014年第10期 岳亚南,张国良,汤文俊,姚二亮 《基于随机有限集的多目标跟踪算法综述》PDF+DOC2019年第03期 董青,胡建旺,吉兵 《多传感器序贯势分布概率假设密度滤波》PDF+DOC2012年第06期 章飞,孙睿 《面向多目标跟踪的PHD滤波多传感器数据融合算法》PDF+DOC2017年第08期 周治利,薛安克,申屠晗,彭冬亮 《基于概率假设密度滤波的多目标跟踪算法》PDF+DOC2018年第05期 王春平,刘江义,杨文兵 《密集杂波环境下多目标跟踪算法》PDF+DOC2004年第09期 艾剑良,沈键,艾玲英 《基于多传感器异步数据融合的目标跟踪方法》PDF+DOC2003年第04期 王航宇,刘淼森,周颖 《纯方位被动多传感器多目标跟踪算法》PDF+DOC2012年第05期 李彬彬,冯新喜,李鸿艳,宁宣杰 《基于有限集统计学理论的目标跟踪技术研究综述》PDF+DOC2012年第07期 杨威,付耀文,龙建乾,黎湘 《基于数据压缩的多传感器PHD滤波算法》PDF+DOC2011年第02期 谭顺成,王国宏,徐海全,王娜
  • 针对单传感器跟踪系统的缺陷和扩展多目标跟踪问题的复杂性,提出了基于高斯混合扩展目标概率假设密度(ET-GM-PHD)的多传感器多目标跟踪方法。该算法的最大优点在于它可以避免传统多目标跟踪算法中的数据关联过程,不用进行复杂的测量与扩展目标之间的关联过程即可同时获得扩展目标的个数和状态估计。在线性高斯假设条件下给出了扩展目标PHD滤波器的GM实现,并通过仿真实验比较了单传感器ET-GM-PHD滤波器与多传感器ET-GM-PHD滤波器的跟踪性能,验证了该算法的跟踪性能和精度。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。