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:
传统的GM-PHD(Gaussian Mixture-Probability Hypothesis Density)滤波算法用当前时刻接收到的全部量测值对所有高斯项进行更新,使得大量的运算时间花费在使用无效量测对高斯项的更新上.针对此问题,提出一种快速多目标跟踪GM-PHD滤波器.首先在算法预测步骤中将高斯项分为新生及存活目标两类;然后在更新步骤中先计算存活目标与所有量测之间的残差,使用椭球门限,用门限内的量测值来更新存活目标;接着计算新生目标与剩下量测之间的残差,再次使用落入椭球门限内的量测值来更新新生目标,这样可以最大限度地将无效量测排除掉,从而减少算法运算时间.实验结果表明,该方法在保证目标跟踪精度的同时降低了算法时间复杂度,其综合性能优于传统的GM-PHD滤波算法.
推荐文章
GM-PHD雷达密集多目标跟踪应用研究
数据关联
密集多目标跟踪
最优多目标贝叶斯滤波器
高斯混合概率假设密度
基于UKF-GM-PHD滤波算法的非线性多目标跟踪方法研究?
高斯混合概率假设密度
无迹卡尔曼滤波
多目标跟踪
多普勒盲区下基于GM-PHD的雷达多目标跟踪算法
多普勒盲区
最小可检测速度
多普勒信息
高斯混合概率假设密度
基于权重约束GM-PHD滤波的多目标跟踪方法
多目标跟踪
一对一假设
高斯混合概率假设密度滤波器
权重约束
归一化
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 快速多目标跟踪GM-PHD滤波算法
来源期刊 计算机科学 学科 工学
关键词 多目标跟踪 高斯混合概率假设密度滤波器 椭球门限 量测划分
年,卷(期) 2016,(3) 所属期刊栏目 图形图像与模式识别
研究方向 页码范围 317-320,封3
页数 5页 分类号 TP391
字数 4580字 语种 中文
DOI 10.11896/j.issn.1002-137X.2016.3.060
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 马丽丽 西安工程大学计算机科学学院 45 209 8.0 10.0
2 陈金广 西安工程大学计算机科学学院 67 288 8.0 11.0
3 秦晓姗 西安工程大学计算机科学学院 2 10 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (38)
共引文献  (14)
参考文献  (11)
节点文献
引证文献  (9)
同被引文献  (9)
二级引证文献  (19)
1989(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(10)
  • 参考文献(2)
  • 二级参考文献(8)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(3)
  • 参考文献(2)
  • 二级参考文献(1)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(4)
  • 参考文献(3)
  • 二级参考文献(1)
2016(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)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(6)
  • 二级引证文献(0)
2019(15)
  • 引证文献(0)
  • 二级引证文献(15)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
多目标跟踪
高斯混合概率假设密度滤波器
椭球门限
量测划分
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
论文1v1指导