作者:侯静,景占荣,羊彦 单位:中国科学院电子学研究所;国家自然科学基金委员会信息科学部 出版:《电子与信息学报》2013年第07期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFDZYX2013070110 DOC编号:DOCDZYX2013070119 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于H∞滤波的远距离干扰下的目标跟踪算法》PDF+DOC2013年第11期 侯静,景占荣,高田,羊彦 《多传感器多目标粒子滤波算法》PDF+DOC2005年第04期 熊伟,何友,张晶炜 《非高斯条件下基于粒子滤波的目标跟踪》PDF+DOC2004年第12期 胡洪涛,敬忠良,李安平,胡士强 《海量目标量测数据下的目标跟踪》PDF+DOC2012年第10期 阮铖巍,徐保伟,寇英信,李战武,谷长春 《WMSN目标跟踪的改进粒子滤波算法》PDF+DOC2011年第15期 郑娟毅 《单步延迟无序量测滤波算法的最优性分析》PDF+DOC2007年第04期 周文辉,李琳,陈国海,余安喜 《统计线性化无序量测更新算法》PDF+DOC2014年第09期 王炜,李丹,黄心汉 《网络化弹药系统中基于IMM算法的轨迹跟踪》PDF+DOC2014年第02期 刘小建,李明,姜春兰,程鑫轶 《无线传感器网络的分布式目标跟踪研究》PDF+DOC2013年第07期 周伟,石为人,张洪德,王小刚,易军 《一种基于无线传感器网络的分布式目标跟踪算法》PDF+DOC2013年第01期 孔亮,孔令富,吴培良,付磊
  • 该文在扩展卡尔曼粒子滤波算法的基础上融合了“负”信息(没有接收到观测值的扫描)来实现远距离干扰环境下的目标跟踪。在整个实现过程中,由传感器模型推导出的高斯和似然函数充分考虑了正负信息,直接用于计算粒子权重更新。并且通过扩展卡尔曼滤波算法产生重要性密度函数,利用当前时刻的量测,使得粒子的分布更接近其后验概率分布,而且使用较少的粒子个数即可达到较好的跟踪效果。仿真证明,扩展卡尔曼粒子滤波算法在航迹连续性和跟踪精度方面明显优于扩展卡尔曼滤波算法,但计算复杂度较高。

    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。