基于幅度信息的标签多伯努利滤波算法

TN953; 杂波环境下,现有多目标跟踪滤波器会出现性能衰减.对此,提出了基于幅度信息(amplitude information,AI)的广义标签多伯努利(generalized labeled multi-Bernoulli,GLMB)滤波算法(AI-GLMB).通常杂波幅度低于目标回波幅度,通过引入幅度信息对目标状态进行扩展,建立幅度似然函数,推导新的更新方程,并给出了算法的序贯蒙特卡罗实现方法.仿真结果表明,AI-GLMB算法能有效适应高杂波环境,同幅度信息辅助的概率假设密度滤波算法、幅度信息势平衡多伯努利滤波算法及传统GLMB滤波算法相比,其跟踪精度更高....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 40; no. 12; pp. 2636 - 2641
Main Authors 彭华甫, 黄高明, 田威, 邱昊
Format Journal Article
LanguageChinese
Published 海军工程大学电子工程学院,湖北武汉430033 01.12.2018
中国人民解放军92773部队,浙江温州325807%海军工程大学电子工程学院,湖北武汉,430033%海军工程大学电子工程学院,湖北武汉430033
中国人民解放军91715部队,广东广州510450
Subjects
幅度信息
随机有限集
标签多伯努利
多目标跟踪
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2018.12.03

Cover

More Information
Summary:TN953; 杂波环境下,现有多目标跟踪滤波器会出现性能衰减.对此,提出了基于幅度信息(amplitude information,AI)的广义标签多伯努利(generalized labeled multi-Bernoulli,GLMB)滤波算法(AI-GLMB).通常杂波幅度低于目标回波幅度,通过引入幅度信息对目标状态进行扩展,建立幅度似然函数,推导新的更新方程,并给出了算法的序贯蒙特卡罗实现方法.仿真结果表明,AI-GLMB算法能有效适应高杂波环境,同幅度信息辅助的概率假设密度滤波算法、幅度信息势平衡多伯努利滤波算法及传统GLMB滤波算法相比,其跟踪精度更高.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2018.12.03