原文服务方: 西安交通大学学报       
摘要:
针对非线性模型下δ-广义标记多伯努利(δ-GLMB)滤波器的序贯蒙特卡洛(SMC)实现过程计算复杂度过高、难以实现快速准确滤波的问题,给出了δ-GLMB滤波器的积分卡尔曼高斯混合(QK-GM)实现过程.该算法基于Gauss-Hermite数值积分规则获取一组带权重的积分点,利用这些积分点求取多目标密度函数的均值和协方差矩阵.将该算法与已有的扩展卡尔曼高斯混合(EK-GM)实现、无味卡尔曼高斯混合(UK-GM)实现和SMC实现在不同的杂波强度和检测概率条件下就多目标跟踪精度和时间消耗等方面做了较为详细的对比,结果表明,与SMC实现方法相比,QK-GM-δ-GLMB算法能以完全可接受的时间开销为代价,将多目标跟踪精度提高10%以上.该算法为δ-GLMB滤波器在非线性场景中的应用提供了一种新的实现方法.
推荐文章
高斯混合扩展目标多伯努利滤波器
扩展目标跟踪
随机有限集
数据关联
高斯混合
箱粒子广义标签多伯努利滤波的目标跟踪算法
目标跟踪
随机有限集
广义标签多伯努利滤波
箱粒子滤波
基于盒粒子滤波的多扩展目标伯努利滤波算法
扩展目标
区间量测
多伯努利滤波
盒粒子
非线性多模型多伯努利滤波器的实现
非线性模型
机动目标
多模型多伯努利滤波器
容积卡尔曼
高斯混合
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 δ-广义标记多伯努利滤波器的非线性应用扩展
来源期刊 西安交通大学学报 学科
关键词 δ-广义标记多伯努利 积分卡尔曼 高斯混合 多目标跟踪
年,卷(期) 2019,(6) 所属期刊栏目
研究方向 页码范围 109-116
页数 8页 分类号 TP393
字数 语种 中文
DOI 10.7652/xjtuxb201906015
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 王伟 102 238 8.0 12.0
3 连峰 西安交通大学智能网络与网络安全教育部重点实验室 21 174 8.0 12.0
5 侯利明 西安交通大学智能网络与网络安全教育部重点实验室 4 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (22)
参考文献  (12)
节点文献
引证文献  (2)
同被引文献  (10)
二级引证文献  (0)
1968(1)
  • 参考文献(1)
  • 二级参考文献(0)
1969(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(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
δ-广义标记多伯努利
积分卡尔曼
高斯混合
多目标跟踪
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
西安交通大学学报
月刊
0253-987X
61-1069/T
大16开
1960-01-01
chi
出版文献量(篇)
7020
总下载数(次)
0
总被引数(次)
81310
论文1v1指导