多目标滤波中的多传感器概率假设密度算法.pdf

多目标滤波中的多传感器概率假设密度算法.pdf

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
多目标滤波中的多传感器概率假设密度算法.pdf

第34卷第6期 电子与信息学报 Vbl.34No.6 Journalof 2012年6月 Electronics&Information Jun.2012 Technology 多目标滤波中的多传感器概率假设密度算法 杨可∞ 傅忠谦蛳’ 王剑亭㈣ 林日钊∞ …(中国科学技术大学电子科学与技术系 合肥230027) …(中国科学院上海技术物理研究所上海200433) 摘要:多传感器情况下的多目标概率假设密度(PHD)滤波是建立在假设模型上实现的。该文用随机有限集(RFSl 方法描述多目标状态空间和传感器量测空间,分析了多传感器通用假设模型下的探测概率、似然函数和杂波分布, 在此基础上利用概率产生泛函(PGFL)推导出了多传感器PHD滤波递归式,进而提出粒子标记法多传感器贯序蒙 现,得到了良好的多目标数目和可跟踪多目标状态的估计。 关键词:多传感器滤波;概率假设密度;概率产生泛函;假设模型;粒子标记法 中图分类号:TP391 文献标识码:A DOI:10.3724/SP.J.1146.2011.00941 Multi—sensor HypothesisDensity Probability in Algorithm Multi-targetFiltering Ke① Fu Ri—zhao① Yang Zhong—qian①WangJian—ting①②Lin Scienceand Scienceand …(Electronic TechnologyDepartment,Universityof TechnologyofChina,Hefei 230027,China) Technical …(Shanghai PhysicalInstitute,ChineseAcademyofSciences,Shanghai200433,China) multi—sensorcaseisbasedon Abstract:Multi—targetfilteringusingProbabilityHypothesisDensity(PHD)in modeltoavoid intractable.Basedon state andsensor assumption beingcomputationally describingtarget space observationRandomFinite onthe ofdetection spaceby Set(RFS)method,andanalysis functionandclutterdistributionunderthemulti—sensoruniversal multi·sensorversionof assumptionmodel,the PHDfilterisconstructed

文档评论(0)

我的文档 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档