下载文档原格式
基于高斯混合PHD滤波的多目标状态提取方法刘益;王平;高颖慧【摘要】Gaussian mixture probability hypothesis density (GM-PHD)filter can effectively solve the problem of multi-target tracking un-der the condition of linear Gaussian model,while estimating the number of targets it also extracts the states of multi-target.The state extrac-tion precision of GM-PHD filter will drop down when it comes to the situation of closely spaced targets and too high clutter rate.In light of the performance degradation of GM-PHD in complex environments,we proposed an improved multi-target state extraction method of GM-PHD fil-ter.By modifying the update weight of Gaussian component and enhancing the merging criterion it reduces the interference caused by intensive targets and clutters.Simulation experimental results showed that the propose method is able to raise the precision of multi-target state estima-tion in different clutter environments.%高斯混合概率假设密度滤波（GM-PHD）方法可有效解决线性高斯模型下的多目标跟踪问题，在估计目标个数的同时提取多目标状态。
多传感器多目标跟踪的粒子PHD滤波算法
郝燕玲;孟凡彬;张崇猛;蔡艺峰;王素鑫
【期刊名称】《传感器与微系统》
【年(卷),期】2010(029)004
【摘要】针对单传感器跟踪系统的缺陷,提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法.这种算法不仅避免了多传感器多目标跟踪的数据关联问题,而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够稳定、精确地估计目标状态和目标数.仿真实验比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能,验证了该方法的跟踪性能和精度.
【总页数】5页(P18-21,25)
【作者】郝燕玲;孟凡彬;张崇猛;蔡艺峰;王素鑫
【作者单位】哈尔滨工程大学自动化学院,黑龙江,哈尔滨,150001;哈尔滨工程大学自动化学院,黑龙江,哈尔滨,150001;天津航海仪器研究所,天津,300131;天津航海仪器研究所,天津,300131;天津航海仪器研究所,天津,300131;天津航海仪器研究所,天津,300131
【正文语种】中文
【中图分类】TP274;TN713
【相关文献】
1.未知杂波下多目标跟踪AEM-PHD平滑滤波算法 [J], 胡忠旺;丁勇;杨勇;黄鑫城
2.基于数值积分粒子PHD多目标跟踪滤波算法 [J], 穆祥强;王朝英;危璋;孔云波
3.基于UKF-GM-PHD滤波算法的非线性多目标跟踪方法研究∗ [J], 齐海明; 张安清
4.基于模糊混合退火分布的多目标高斯混合粒子PHD滤波算法 [J], 冉星浩; 陶建锋; 贺思三
5.多传感器箱粒子PHD滤波多目标跟踪算法 [J], 蔡如华; 杨标; 吴孙勇
因版权原因，仅展示原文概要，查看原文内容请购买。
基于数值积分粒子PHD多目标跟踪滤波算法
穆祥强;王朝英;危璋;孔云波
【期刊名称】《电光与控制》
【年(卷),期】2015(022)011
【摘要】在多目标跟踪环境下,粒子概率假设密度(P-PHD)因杂波、漏检和非线性情况,导致滤波精度不高,跟踪发散,对此问题提出一种基于数值积分粒子概率假设密度滤波算法.利用数值粒子滤波(QPF)实现概率假设密度(PHD),用数值卡尔曼滤波(QKF)算法得到更好的重要性密度函数,并从中采样得到粒子,使粒子的分布更接近真实的概率假设密度分布.试验仿真表明,与粒子概率假设密度和容积粒子概率假设密度滤波算法相比,所提算法的滤波精度和稳定性明显提高.
【总页数】5页(P23-26,41)
【作者】穆祥强;王朝英;危璋;孔云波
【作者单位】空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077
【正文语种】中文
【中图分类】TN953
【相关文献】
1.基于PHD滤波的箱粒子划分多目标跟踪算法 [J], 吴孙勇;宁巧娇;蔡如华;刘义强;孙希延
2.基于箱粒子PHD滤波的多目标视频跟踪方法 [J], 程慧;宋骊平;李翠芸
3.多传感器多目标跟踪的粒子PHD滤波算法 [J], 郝燕玲;孟凡彬;张崇猛;蔡艺峰;王素鑫
4.基于UKF-GM-PHD滤波算法的非线性多目标跟踪方法研究∗ [J], 齐海明; 张安清
5.基于模糊混合退火分布的多目标高斯混合粒子PHD滤波算法 [J], 冉星浩; 陶建锋; 贺思三
因版权原因，仅展示原文概要，查看原文内容请购买。
基于边缘卡尔曼滤波的GM-PHD多目标被动跟踪算法曲长文;冯奇;毛宇;周强【摘要】针对杂波干扰条件下,非线性、个数时变的多目标被动跟踪问题,提出一种基于边缘卡尔曼滤波的高斯混合概率假设密度(PHD)滤波算法.采用边缘化变换计算目标状态的概率分布特性,获得目标状态及其协方差矩阵估计的闭式解,解决目标模型非线性问题.利用量测信息生成新生目标强度,使滤波器具备对观测空间任意位置随机出现新目标的跟踪能力.实验结果表明,与扩展卡尔曼PHD算法、无迹卡尔曼PHD算法和容积卡尔曼PHD算法相比,该算法在生成目标轨迹、目标个数估计和跟踪精度等方面有更好的性能.【期刊名称】《计算机工程》【年(卷),期】2018(044)007【总页数】6页(P279-284)【关键词】多目标跟踪;随机有限集;边缘卡尔曼滤波;概率假设密度;量测驱动【作者】曲长文;冯奇;毛宇;周强【作者单位】海军航空工程学院电子信息工程系,山东烟台 264001;海军航空工程学院电子信息工程系,山东烟台 264001;中国人民解放军91431部队,海南文昌571300;海军航空工程学院电子信息工程系,山东烟台 264001【正文语种】中文【中图分类】TP3910 概述在实际的多目标跟踪场景中，目标个数未知且时变、量测信息不确定（杂波干扰、虚警）等因素，为多目标跟踪带来巨大困难。
传统的多目标跟踪方法［1-3］是先关联后跟踪，但是当目标个数及杂波干扰较多情况下，数据关联算法将会出现组合爆炸问题，计算量剧增。
为此，文献［4］基于随机有限集（Random Finite Sets，RFS）理论，提出了概率假设密度（Probability Hypothesis Density，PHD）滤波算法。
该滤波算法将复杂的多目标状态空间运算投影到单目标状态空间，然后通过传递全局后验概率密度的一阶矩得到各目标状态估计。
与先关联后跟踪的传统多目标跟踪算法相比，PHD滤波算法较好地避开了数据关联运算，在最大程度保持了信息完整性的同时降低了计算量。
基于自适应遗传PHD滤波的多群目标跟踪方法
李波;昝珊珊
【期刊名称】《计算机应用研究》
【年(卷),期】2018(035)011
【摘要】针对标准的概率假设密度(PHD)滤波算法在杂波环境下对群目标跟踪误差较大的问题,提出一种基于自适应遗传PHD滤波的多群目标跟踪方法.该方法在PHD粒子滤波的基础上,利用选择概率减少了新生粒子的数量.为了有效抽取交叉粒子,在时间更新阶段引入当前量测与群目标间的马氏距离.为了提高预测粒子的鲁棒性,推导出自适应交叉与变异操作方案.仿真实验表明,所提出的方法能有效跟踪杂波环境下的多群目标,具有目标总数估计稳定、运动状态估计准确的特点.
【总页数】4页(P3466-3468,3496)
【作者】李波;昝珊珊
【作者单位】辽宁工业大学电子与信息工程学院,辽宁锦州 121001;辽宁工业大学电子与信息工程学院,辽宁锦州 121001
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.WSN中基于自适应预测聚类的多组群目标的跟踪方法 [J], 刘述木;杨建;黎远松
2.基于箱粒子PHD滤波的多目标视频跟踪方法 [J], 程慧;宋骊平;李翠芸
3.基于权重约束GM-PHD滤波的多目标跟踪方法 [J], 赵一峰
4.基于UKF-GM-PHD滤波算法的非线性多目标跟踪方法研究∗ [J], 齐海明; 张安清
5.基于AI-AP-PHD滤波的多目标跟踪方法 [J], 谭顺成;韩芳林;于洪波
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进PHD粒子滤波的多目标检测前跟踪算法
秦占师;张智军;陈稳;马赢
【期刊名称】《现代防御技术》
【年(卷),期】2015(043)004
【摘要】针对PHD-TBD算法存在目标数目估计不准,以及对交叉目标状态估计误差较大的缺点,提出了PHD-TBD的改进算法,通过推导更准确的PHD-TBD算法粒子权重更新表达式,实现对目标数目的准确估计;同时利用高斯混合模型(Gaussian mixture models,GMM)拟合PHD-TBD中重采样后的粒子分布,通过期望最大化算法(expectation maximum,EM)估计混合模型的参数,即可提取目标的状态.通过仿真实验表明,改进算法能够更准确地估计目标的数目和状态.
【总页数】7页(P155-160,177)
【作者】秦占师;张智军;陈稳;马赢
【作者单位】空军工程大学航空航天工程学院,陕西西安710038;空军工程大学航空航天工程学院,陕西西安710038;空军工程大学航空航天工程学院,陕西西安710038;空军工程大学航空航天工程学院,陕西西安710038
【正文语种】中文
【中图分类】TN953;TP301.6
【相关文献】
1.基于 PHD 的多目标检测前跟踪改进方法 [J], 柳超;关键;黄勇;王国庆
2.基于改进的PHD粒子滤波的多目标跟踪技术 [J], 龙建乾;杨威;付耀文
3.基于PHD的粒子滤波检测前跟踪改进算法 [J], 裴家正;黄勇;董云龙;何友;陈小龙;陈唯实
4.基于多目标灰狼优化的PHD粒子滤波改进算法 [J], 吴冕;袁俊泉;郑岱堃;陈阿磊
5.基于多目标灰狼优化的PHD粒子滤波改进算法 [J], 吴冕;袁俊泉;郑岱堃;陈阿磊因版权原因，仅展示原文概要，查看原文内容请购买。
第４４卷 第１期系统工程与电子技术Ｖｏｌ．４４ Ｎｏ．１２０２２年１月ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓＪａｎｕａｒｙ ２０２２文章编号：１００１ ５０６Ｘ（２０２２）０１ ００７６ １０ 网址：ｗｗｗ．ｓｙｓ ｅｌｅ．ｃｏｍ收稿日期：２０２００１２２；修回日期：２０２１０６１７；网络优先出版日期：２０２１０８３０。
网络优先出版地址：ｈｔｔｐ：∥ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０２１０８３０．１５２０．００９．ｈｔｍｌ 通讯作者．引用格式：龚阳，崔琛．基于ＧＭ ＰＨＤ滤波的空间邻近多目标跟踪算法［Ｊ］．系统工程与电子技术，２０２２，４４（１）：７６ ８５．犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋：ＧＯＮＧＹ，ＣＵＩＣ．Ｍｕｌｔｉ ｔａｒｇｅｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＧＭ ＰＨＤｆｉｌｔｅｒｆｏｒｓｐａｔｉａｌｌｙｃｌｏｓｅｔａｒｇｅｔｓ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２２，４４（１）：７６ ８５．基于犌犕 犘犎犇滤波的空间邻近多目标跟踪算法龚 阳 ，崔 琛（国防科技大学电子对抗学院，安徽合肥２３００３７） 摘 要：针对传统的高斯混合概率假设密度（Ｇａｕｓｓｉａｎｍｉｘｔｕｒｅｐｒｏｂａｂｉｌｉｔｙｈｙｐｏｔｈｅｓｉｓｄｅｎｓｉｔｙ，ＧＭＰＨＤ）滤波器在跟踪空间邻近目标时存在错误估计、虚警和漏警问题，本文提出了一种改进算法。
首先，提出一种权值重分配方案，对目标的高斯分量权值进行重分配，以提高目标邻近时ＧＭ ＰＨＤ滤波器的跟踪精度；然后，利用目标航迹的连续性，对于当前时刻丢失的目标，利用上一时刻的目标预测值进行修正以减少漏警情形；最后，充分利用多帧已估目标状态对估计目标进行分类，检测估计中存在的虚警并对其进行删除。
仿真结果表明，与现有算法相比，本文改进算法具有更优的跟踪性能。
基于多目标不确定性改进的GM-PHD滤波器
王奎武;张秦;虎小龙
【期刊名称】《兵工学报》
【年(卷),期】2022(43)12
【摘要】基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法。
GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性。
为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并。
理论分析和仿真结果表明:该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法。
【总页数】9页(P3113-3121)
【作者】王奎武;张秦;虎小龙
【作者单位】空军工程大学防空反导学院;空军工程大学研究生院
【正文语种】中文
【中图分类】V556;TP391
【相关文献】
1.自适应GM-PHD滤波器在多目标追踪的应用
2.基于背景差分检测和改进GM-PHD滤波器的多目标跟踪
3.基于相机雷达融合的改进GM-PHD多目标跟踪算法
4.一种多扫描平滑的多目标GM-PHD滤波器的技术研究
5.一种多扫描平滑的多目标GM-PHD滤波器的技术研究
因版权原因，仅展示原文概要，查看原文内容请购买。
