基于中心差分卡尔曼-概率假设密度滤波的多目标跟踪方法
DOI:
CSTR:
作者:
作者单位:

1. 大连理工大学 信息与通信工程学院
2. 大连理工大学
3. 91439部队 460所

作者简介:

陈里铭

通讯作者:

中图分类号:

TP391.4

基金项目:

国家自然科学基金:基于供应链低碳化的企业行为与运营优化决策研究;国家自然科学基金:基于供应链低碳化的企业行为与运营优化决策研究;高等学校博士点专项科研基金


Central difference Kalman-probability hypothesis density filter for multitarget
tracking
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对非线性系统模型, 提出一种基于中心差分卡尔曼-概率假设密度滤波的多目标跟踪方法. 该方法采用
    Stirling 内插公式对非线性函数作多项式逼近, 利用中心差分卡尔曼滤波和高斯混合概率假设密度滤波对后验多目
    标状态一阶统计量进行估计, 并通过递推更新得到目标状态, 以实现对多个目标的跟踪. 该方法无需求解系统函数的
    雅可比矩阵, 且具有二阶泰勒展开式精度. 仿真结果表明, 所提出方法能够增强算法的鲁棒性, 提高目标状态和数目
    的估计精度.

    Abstract:

    Aiming at the nonlinear system model, a central difference Kalman-probability hypothesis density filter is
    proposed to track multiple targets. Multi-target tracking is fulfilled by deriving polynomial approximations with Stirling
    interpolation formulas, estimating first-order statistical moment of posterior multi-target states with central difference Kalman
    filter and Gaussian mixture probability hypothesis density filter, and extracting targets’ states from the recursion of probability
    hypothesis density. The advantage of proposed filter is mainly that Jacobian matrix solving is unnecessary and second-order
    Taylor expansion accuracy can be ensured. Simulation results show that the robustness of the algorithm is enhanced, and the
    estimating accuracy of the number and states of the targets are improved.

    参考文献
    相似文献
    引证文献
引用本文

陈里铭, 陈喆, 殷福亮,等.基于中心差分卡尔曼-概率假设密度滤波的多目标跟踪方法[J].控制与决策,2013,28(1):36-42

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-08-26
  • 最后修改日期:2011-11-21
  • 录用日期:
  • 在线发布日期: 2013-01-20
  • 出版日期:
文章二维码