基于目标预测的扩展目标量测集划分算法

• 作者: 李鹏 王文慧 胡韵迪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 目标跟踪 扩展目标 量测集划分 密度分析 概率假设密度(PHD)
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 143-148
• 页数: 6页
• 分类号: TN953
• 字数: 4745字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1901-0020

摘要

扩展目标高斯混合概率假设密度(Extended Target Gaussian Mixture Probability Hypothesis Density,ET-GM-PHD)跟踪算法是扩展目标跟踪领域内最为重要的跟踪算法之一.然而当多个目标邻近时,该算法的状态估计精度降低,这是由于距离-Kmeans++(Distance Partitioning-Kmeans++,DP-Kmeans++)量测集划分算法无法输出正确的结果所导致.为解决该问题,提出了改进的DP-Kmeans++量测集划分算法,利用目标预测信息来分割量测集,从而提高了划分精度.仿真结果表明,当目标邻近时,使用提出划分算法使ET-GM-PHD跟踪算法的OSPA误差距离减小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文慧	江苏理工学院艺术设计学院	2	0	0.0	0.0
2	李鹏	江苏理工学院计算机工程学院	2	0	0.0	0.0
3	胡韵迪	江苏理工学院艺术设计学院	1	0	0.0	0.0