【摘 要】
：
针对基于概率假设密度(probability hypothesis density,PHD)的非线性机动多目标跟踪精度低、滤波发散、目标数目估计不准确等问题,提出一种基于交互式多模型的稀疏高斯厄米
【机 构】
：
昆明理工大学信息工程与自动化学院,云南昆明,650500
论文部分内容阅读
针对基于概率假设密度(probability hypothesis density,PHD)的非线性机动多目标跟踪精度低、滤波发散、目标数目估计不准确等问题,提出一种基于交互式多模型的稀疏高斯厄米特PHD算法.该算法在PHD滤波器下,采用稀疏高斯厄米特方法对目标进行状态预测和量测更新,构造一种稀疏高斯厄米特PHD滤波器;然后将交互式多模型算法融入稀疏高斯厄米特PHD滤波框架中,解决了目标机动过程中运动模式不确定的问题.仿真结果表明该算法能对机动多目标进行有效的跟踪,相比交互式多模型不敏卡尔曼PHD等滤波方法具有更高的状态估计精度,且目标数目估计更准确.
其他文献
支持向量分类器的两种分类模型是超平面和超球体,前者在有重叠类别的数据集上表现不佳,后者存在过适应问题.为此,本文提出了双效分类思想,在训练分类器过程中同时学习类间差
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生、测量监控等方面人手,介绍了S226海滨大桥
复杂网络社团发现是当前多学科交叉的研究热点.已有社团发现方法主要是针对网络拓扑,且难于处理大规模网络.基于此,Ruan等提出了CODICIL算法,不仅通过引入文本内容提升社团发
问题转化型方法和算法适应型方法是多标记学习中主要的两类研究方法,其中问题转化型方法因其独立分类算法得到了广泛的关注,而已有的问题转化型方法存在或忽略标记间相关性,
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生、测量监控等方面人手,介绍了S226海滨大桥
提出一种鲁棒谱多流形聚类算法(Robust Spectral Multi-Manifold Clustering,简称RSMMC).现实生活中许多数据都是带有噪声的,先前许多聚类算法在直接处理带噪声的数据,聚类效
基于分解的多目标进化算法(MOEA/D)在求解多目标优化问题时,有着较强的搜索能力、高效的适应度评价、良好的收敛性等优点.然而,在更新子问题时,新解在固定邻域内替换所有较差
天水市秦州区位于甘肃省东南部,是典型的雨养旱作农业区,年平均降雨量520mm左右,无霜期170d左右,我区降雨特点是多集中在7~9月份,3~6月份降雨偏少,春旱、伏旱严重,在玉米生产
研究同时存在双通道数据包丢失和时变时延的Delta算子网络控制系统(NCSs)故障检测问题.假定数据包丢失发生在控制器到执行器、传感器至控制器的数据传输过程中,并且利用两个
云南省保山市隆阳区地处云南西部,属低热河谷,多山丘陵地带,海拔640~3 100m,2009年以来,每年夏季干旱已成常态化,夏季降雨量不足100mm,对甘蔗生长极为不利,为解决隆阳区旱地