作者:鹿传国,冯新喜,孔云波,张迪 单位:吉林大学 出版:《吉林大学学报(工学版)》2013年第06期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFJLGY2013060430 DOC编号:DOCJLGY2013060439 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于信息散度的多无源传感器数据关联》PDF+DOC2013年第11期 鹿传国,冯新喜,孔云波,张迪 《多无源传感器去相关数据关联算法》PDF+DOC2014年第03期 鹿传国,冯新喜,孔云波,张迪 《基于位置估计不确定性的被动传感器数据关联算法》PDF+DOC2015年第07期 路标 《两点式数据关联算法在多目标跟踪中的应用》PDF+DOC2007年第05期 李辉,张安,赵敏,沈莹 《情报侦察数据融合技术的几个问题》PDF+DOC2000年第02期 梁百川 《基于高斯粒子JPDA滤波的多目标跟踪算法》PDF+DOC2010年第11期 张俊根,姬红兵,蔡绍晓 《改进并行集中式数据关联算法》PDF+DOC2012年第03期 周航,冯新喜 《基于综合相关判别的无源航迹关联算法》PDF+DOC2012年第10期 刘钊,冯新喜,周航,刘玉磊 《交叉定位中去除虚假目标的一种新算法》PDF+DOC2010年第04期 陈建宏,时银水,赵国顺 《一种杂波环境下的多传感器多目标数据关联算法》PDF+DOC2007年第06期 巴宏欣,杨飞,沈文厚,赵宗贵,蒋玉鹏
  • 针对多无源传感器多目标多维分配数据关联模型在构造关联代价时未考虑位置估计不确定性所引入的误差问题,提出了一种基于Kullback-Leibler散度的关联算法。将伪量测信息的概率密度函数与真实观测数据的最大后验概率密度之间的Kullback-Leibler散度作为关联代价,给出了一种Kullback-Leibler散度的近似解析公式,从而简化了计算。最后对经典关联算法与本文算法的正确率进行了试验对比,仿真结果表明:基于Kullback-Leibler散度的关联代价能够更精准地反映出数据关联的可能性,所提关联算法可以获得更好的关联性能。

    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。