基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在诸多的多目标跟踪算法中,相互作用多模型(IMM)算法是目前公认的最为有效的算法.但到目前为止,IMM估计方法都是建立在卡尔曼滤波器(KF)和扩展卡尔曼滤波器(EKF)基础上,因而其性能不仅依赖于所采用的模型集,而且在更大程度上依赖于所采用的滤波技术.强跟踪滤波器(STF)克服了卡尔曼和扩展卡尔曼的三大缺陷,因而设计一种基于STF的IMM目标跟踪算法显然能提高其性能.仿真实验表明,基于STF的IMM算法的跟踪性能要优于基于KF和EKF的IMM算法的跟踪性能.
推荐文章
基于交互多模型强跟踪滤波器的故障检诊方法
强跟踪滤波器
正交性原理
交互多模型
故障检诊
基于ViBe和粒子滤波的多目标汽车跟踪
ViBe算法
粒子滤波
多目标跟踪
Harris算法
鲁棒性
前景检测
Lie群下利用改进JPDA滤波器的智能车立体视觉多目标跟踪方法
智能驾驶系统
立体视觉
移动物体跟踪
联合综合概率数据关联
Lie群
基于t-分布粒子滤波器的目标跟踪
目标跟踪
贝叶斯跟踪
非线性非高斯随机系统
序列重要性采样
t-分布粒子滤波器
ECME算法
无色卡尔曼滤波
自助式粒子滤波器
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于强跟踪滤波器的多目标跟踪方法
来源期刊 传感器技术 学科 工学
关键词 多模型目标跟踪 卡尔曼滤波器 强跟踪滤波器 相互作用多模型
年,卷(期) 2002,(3) 所属期刊栏目 研究与探讨
研究方向 页码范围 17-20
页数 4页 分类号 TN911.72
字数 2892字 语种 中文
DOI 10.3969/j.issn.1000-9787.2002.03.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 金以慧 清华大学自动化系 93 3280 28.0 55.0
2 杨瑞娟 51 271 9.0 14.0
3 徐毓 清华大学自动化系 17 213 9.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (39)
同被引文献  (56)
二级引证文献  (118)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2002(1)
  • 引证文献(1)
  • 二级引证文献(0)
2003(4)
  • 引证文献(3)
  • 二级引证文献(1)
2004(2)
  • 引证文献(2)
  • 二级引证文献(0)
2005(2)
  • 引证文献(2)
  • 二级引证文献(0)
2006(7)
  • 引证文献(6)
  • 二级引证文献(1)
2007(4)
  • 引证文献(2)
  • 二级引证文献(2)
2008(11)
  • 引证文献(3)
  • 二级引证文献(8)
2009(4)
  • 引证文献(1)
  • 二级引证文献(3)
2010(8)
  • 引证文献(2)
  • 二级引证文献(6)
2011(11)
  • 引证文献(4)
  • 二级引证文献(7)
2012(20)
  • 引证文献(3)
  • 二级引证文献(17)
2013(9)
  • 引证文献(1)
  • 二级引证文献(8)
2014(9)
  • 引证文献(3)
  • 二级引证文献(6)
2015(13)
  • 引证文献(0)
  • 二级引证文献(13)
2016(10)
  • 引证文献(2)
  • 二级引证文献(8)
2017(14)
  • 引证文献(1)
  • 二级引证文献(13)
2018(14)
  • 引证文献(1)
  • 二级引证文献(13)
2019(13)
  • 引证文献(2)
  • 二级引证文献(11)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
多模型目标跟踪
卡尔曼滤波器
强跟踪滤波器
相互作用多模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
传感器与微系统
月刊
1000-9787
23-1537/TN
大16开
哈尔滨市南岗区一曼街29号
14-203
1982
chi
出版文献量(篇)
9750
总下载数(次)
43
论文1v1指导