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:
基于随机集的高斯混合概率假设密度滤波算法是一种典型的多目标跟踪算法,可以在目标数目未知的情况下进行多目标跟踪,但是该算法要求已知目标的起始位置,在很多情况下,目标的起始位置信息是无法获得的.本文针对这一问题,提出了改进的高斯混合概率假设密度滤波算法,并将本文算法应用于认知无线电系统的主用户跟踪问题.该算法利用双向预测的方式对检测结果进行估计,即使用正向预测算法来估计现存主用户的位置,然后采用后向预测算法来搜索新生的主用户并估计出新生主用户的位置.本文算法的主要优点是在主用户的数目、出现的时间和起始位置均未知的情况下仍可以有效的跟踪目标.最后,通过仿真对本文算法的性能进行了分析.仿真结果表明,本文算法在误检率较高的情况下可以准确地跟踪主用户.
推荐文章
多目标跟踪的高斯混合概率假设密度滤波算法
随机有限集
多目标跟踪
高斯混合
概率假设密度
后向预测高斯混合概率假设密度滤波算法
多目标跟踪
无序量测
单步延迟
高斯混合
后向预测
基于概率假设密度的无线传感器网络多目标跟踪算法
概率假设密度滤波
无线传感器网络
多目标跟踪
随机有限集
粒子滤波
基于区间平滑的粒子概率假设密度滤波算法
随机有限集
区间平滑
粒子概率假设密度滤波
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 认知无线电中基于高斯混合概率假设密度滤波的主用户跟踪算法
来源期刊 信号处理 学科 工学
关键词 认知无线电 主用户跟踪 多目标跟踪 高斯混合概率假设密度滤波 随机有限集
年,卷(期) 2012,(1) 所属期刊栏目 论文与技术报告
研究方向 页码范围 19-25
页数 分类号 TN92
字数 5448字 语种 中文
DOI 10.3969/j.issn.1003-0530.2012.01.003
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 陈喆 大连理工大学信息与通信工程学院 42 325 9.0 16.0
2 殷福亮 大连理工大学信息与通信工程学院 91 951 19.0 26.0
3 杨磊 大连理工大学信息与通信工程学院 13 45 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (2)
共引文献  (4)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(1)
  • 二级参考文献(0)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
认知无线电
主用户跟踪
多目标跟踪
高斯混合概率假设密度滤波
随机有限集
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
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
总被引数(次)
32728
论文1v1指导