作者:徐悦,杨金龙,葛洪伟 单位:中国电子学会 出版:《信号处理》2020年第08期 页数:15页  (PDF与DOC格式可能不同) PDF编号:PDFXXCN2020080050 DOC编号:DOCXXCN2020080059 下载格式:PDF + Word/doc 文字可复制、可编辑
《传感器组网中基于模糊信息处理的多目标跟踪》PDF+DOC2014年第06期 范恩,谢维信,刘宗香,陈飞,李丽娟 《分布式自适应多传感器多目标跟踪算法》PDF+DOC2015年第04期 郑佳春,于浩,王夙歆,龙延,孟凡彬 《物联网数据融合分析》PDF+DOC2017年第17期 涂斌 《航空搜潜系统异类传感器数据融合算法研究》PDF+DOC2005年第02期 吴红军,屈也频 《多传感器组合导航系统分层融合算法》PDF+DOC2003年第02期 衣晓,何友,关欣 《物联网信息融合技术及存在的问题研究》PDF+DOC2013年第08期 王洪波 《分布式传感器网络中一种新的模糊航迹关联算法》PDF+DOC2011年第10期 范恩,谢维信,刘宗香,李鹏飞 《多传感器数据融合技术研究进展》PDF+DOC2010年第03期 黄漫国,樊尚春,郑德智,邢维巍 《一种雷达辐射源识别的规划融合算法》PDF+DOC2010年第05期 刘标,张顺健,陈柏澎 《信息融合技术及其在智能运输系统中的应用》PDF+DOC2007年第06期 吴超仲,张晖
  • 利用分布式传感器网络进行目标跟踪,能够有效增加传感器的覆盖范围,提高对运动目标的检测和跟踪能力,但如何充分利用相邻传感器之间的信息进行有效的融合,仍然是一个难点问题。本文在多伯努利滤波(Multi-Bernoulli,MB)框架下,提出了一种改进的分布式融合跟踪算法用于目标数未知且变化的多目标跟踪。提出算法包含三种精度提升策略,即特征级融合反馈、决策级融合输出及交互反馈;其中,决策级融合输出策略可以提取更加准确的估计状态,特征级融合反馈策略可以降低错误融合结果对后续滤波过程的不良影响,交互反馈策略可以避免单传感器因漏检而导致的滤波失败。实验结果表明,提出算法的跟踪精度明显要优于传统的基于广义协方差交集(Generalized Covariance Intersection,GCI)的分布式融合算法以及粒子多伯努利跟踪算法,具有较好的跟踪性能。

    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。