基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器

• 作者: 刘远 姬红兵 李翠芸 王精毅
• 来源期刊: 控制理论与应用
• 关键词: 星凸随机超曲面 势概率假设密度滤波器 形状估计 伽马函数 约束优化
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 825-830
• 页数: 6页
• 语种: 中文
• DOI: 10.7641/CTA.2018.60149

摘要

针对杂波和检测不确定情况下扩展目标形状估计精度低的问题,提出了一种基于星凸随机超曲面模型(SRHM)的扩展目标伽马高斯混合势概率假设密度(CPHD)滤波器.该算法在高斯混合概率假设密度滤波的框架下,首先将目标形状建模为星凸随机超曲面,然后通过CPHD滤波估计出目标的质心位置和目标数目,最后通过将已估计的目标质心位置作为目标形状的中心点来结合量测对目标形状进行估计.其中,算法通过自适应估计尺度变换因子对形状边界进行约束优化,解决了星凸随机超曲面模型存在的边界形状不规则的问题.设计扩展目标个数未知以及含有杂波的实验场景,实验结果验证了该算法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姬红兵	西安电子科技大学电子工程学院	193	2504	25.0	36.0
2	李翠芸	西安电子科技大学电子工程学院	21	198	9.0	13.0
3	王精毅	西安电子科技大学电子工程学院	1	0	0.0	0.0
4	刘远	西安电子科技大学电子工程学院	1	0	0.0	0.0