• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Transactions on Aerospace and Electronic Systems >Multiple model spline probability hypothesis density filter
【24h】

Multiple model spline probability hypothesis density filter

机译：多模型样条概率假设密度滤波器

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The probability hypothesis density (PHD) filter is an efficient algorithm for multitarget tracking in the presence of nonlinearities and/or non-Gaussian noise. The sequential Monte Carlo (SMC) and Gaussian mixture (GM) techniques are commonly used to implement the PHD filter. Recently, a new implementation of the PHD filter using B-splines with the capability to model any arbitrary density functions using only a few knots was proposed. The spline PHD (SPHD) filter was found to be more robust than the SMC-PHD filter because it does not suffer from degeneracy, and it was better than the GM-PHD implementation in terms of estimation accuracy, albeit with a higher computational complexity. In this paper, we propose a multiple model extension to the SPHD filter to track multiple maneuvering targets. Simulation results are presented to demonstrate the effectiveness of the new filter.
机译：概率假设密度（PHD）滤波器是在存在非线性和/或非高斯噪声的情况下用于多目标跟踪的一种有效算法。顺序蒙特卡洛（SMC）和高斯混合（GM）技术通常用于实现PHD滤波器。最近，提出了一种使用B样条的PHD滤波器的新实现方式，该功能具有仅用几个结即可建模任意密度函数的能力。发现样条PHD（SPHD）滤波器比SMC-PHD滤波器更健壮，因为它不受简并性的影响，尽管计算复杂度更高，但在估计精度方面还是优于GM-PHD实现。在本文中，我们提出了对SPHD滤波器的多模型扩展，以跟踪多个机动目标。仿真结果表明了该新型滤波器的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号