基于双马尔可夫链的概率假设密度滤波器

• 作者: 刘江义 王春平 王暐
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 双马尔可夫链 概率假设密度 高斯混合
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 电子技术
• 页码范围: 944-950
• 页数: 7页
• 分类号: TP391
• 字数: 5216字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2019.05.02

摘要

隐式马尔可夫链(hidden Markov chain,HMC)是传统多目标跟踪的理论基础.在分析了HMC模型的局限性基础上,介绍了更具普适性的双马尔可夫链(pairwise Markov chain,PMC)模型,对基于PMC模型的概率假设密度(PMC-probability hypothesis density,PMC-PHD)滤波算法进行了推导,并对其高斯混合(Gauss mixture,GM)实现进行了改进,利用椭圆波门给每一个高斯分量建立一个对应的缩减量测集合来对其进行更新.仿真实验证明在杂波密度较大的场景中,PMC-PHD滤波器GM实现的改进在不影响跟踪精度的情况下运行时间缩短为原来的三分之一;仿真实验还证明在HMC模型场景下PMC-PHD滤波器针对邻近目标的跟踪性能要优于HMC-PHD滤波器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春平	陆军工程大学石家庄校区电子与光学工程系	9	9	2.0	2.0
2	刘江义	陆军工程大学石家庄校区电子与光学工程系	3	2	1.0	1.0