《低检测概率条件下的多传感器机动多目标跟踪方法研究》PDF+DOC

📙 相关资料

1. 《基于随机集理论的多目标跟踪方法》PDF+DOC 多目标跟踪问题通常包括目标信号的检测与目标状态的估计，同时还涉及到对探测范围内目标数量的确定。传统的跟踪方法将目标检测、状态估计与数量确定分别使用独立的模块或算法来处理。在这种模式下，每个模块仅考虑测量数据中与其功能直接相关的信息，模块之间没有信息的交互，因而很难得到全局最优的解。基于随机集理论的多......
2. 《基于多维分配的被动多传感器多目标跟踪方法》PDF+DOC 数据关联是解决多传感器多目标跟踪问题的关键，通过数据关联处理可确定每个观测数据的来源。在被动多传感器系统中，传感器只能接收角度观测数据，数据关联处理更具有挑战性。因此，提出了一种基于多维分配的数据关联方法实现多传感器多目标跟踪。首先，通过多维分配处理解决多传感器观测数据之间的关联问题，找出各传感器来......
3. 《多传感器融合多目标跟踪中的序贯航迹关联算法》PDF+DOC 对于分布式多传感器融合多目标跟踪系统，提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪，航迹关联采用了粗、精关联相结合的方法，最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时，大大降低了计算量。仿真实验结果说明了本文方法的有效性。...
4. 《多传感器序贯势分布概率假设密度滤波》PDF+DOC 针对多传感器多目标跟踪中数据关联的计算复杂性问题，提出了一种多传感器序贯势分布概率假设密度滤波算法.利用序贯滤波的方法将单传感器的势分布概率假设密度滤波扩展到多传感器情况，并给出了高斯混合实现的序贯势分布概率假设密度(Gaussian mixture sequential PHD，GMSPHD)滤波......
5. 《基于传感器网络的多目标跟踪和特征管理方法》PDF+DOC 针对传感器网络下多目标跟踪时目标数量不断变化这一复杂情况，文中对多目标的跟踪和特征管理方法进行了研究。该方法由数据关联、多目标跟踪、特征管理，和信息融合所组成。其中未知数量多目标的跟踪和数据关联通过马尔科夫蒙特卡罗数据关联实现。通过信息融合来整合本地信息，获取所有相邻传感器的本地一致性，最终实现特征......
6. 《一种改进的基于概率假设密度滤波的多目标跟踪方法》PDF+DOC 针对概率假设密度(PHD)滤波使用聚类方法提取目标状态时，会出现结果不准确，且PHD滤波无法给出状态到航迹关联的问题，提出一种在目标状态中加入标签的方法来实现状态到航迹的关联.该方法对权值较大的标签，通过两次确认来剔除杂波干扰，得到比传统PHD滤波更精确的状态估计.在提取目标状态时，只对相同标签的粒......
7. 《一种分解式模糊聚类粒子滤波的WSN多目标跟踪方法》PDF+DOC 针对无线传感器网络环境下的多目标跟踪时近相距和轨迹交叉目标容易出现目标丢失和跟踪混淆的问题，提出一种分解式模糊聚类粒子滤波(DFCM—RPF)的多目标跟踪方法。把多传感器数据融合和多目标跟踪问题分解为单传感器数据融合和单目标跟踪问题，先对传感器节点量测用基于跟踪门限算法去除杂波，在各传感器节点的观测......
8. 《基于ET-GM-PHD的多传感器多目标跟踪算法》PDF+DOC 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......
9. 《多传感器多目标联合概率数据关联研究》PDF+DOC 提出改进联合概率数据关联算法对多传感器、多目标量测进行同源划分及单一传感器测量数据转换，并采用联合概率数据关联算法求解空间目标轨迹交叉时的数据关联。仿真结果表明，改进联合概率数据关联算法提高了成功关联概率，降低了求解数据关联概率的难度，可以解决密集目标的正确跟踪问题。...
10. 《基于多模型信息滤波器的故障容错目标跟踪》PDF+DOC 对具有传感器随机故障的多传感器系统，提出一种故障容错的目标跟踪算法。利用多模型方法建立传感器量测故障模型，将Unscented变换(UT)嵌入信息滤波器框架，建立多模型信息滤波器。通过多模型方法在线估计量测模型概率，利用概率加权组合分别得到传感器的信息贡献，通过多传感器融合提高目标跟踪精度和传感器故......