.png){kind=icon}
返回
A Framework for Batch Processing Tracklets in the GM-PHD Filter
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asr.2025.11.124.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文的目的是提出一个框架，在该框架中，tracklet数据可以批量处理，并在高斯混合概率假设密度（GM-PHD）滤波器的更新步中使用。tracklet表示在有限时间间隔内与同一目标关联的一系列传感器测量值，其中如果高度确信tracklet与真实目标相关联，则它可以作为有价值的事前信息，帮助减少杂波的影响并提高多目标滤波（MTF）性能。然而，传统上，GM-PHD滤波器未配备处理更新步中的tracklet的能力，只能单独引入传感器测量值。因此，与使用单个传感器测量值递归更新不同，所提出的方法使用tracklet更新GM-PHD滤波器的后验强度函数。本文通过将tracklet预处理为状态空间的批处理解来实现这一点，其中批处理解随后被视为多目标状态的噪声测量值。本文使用两种不同的批量处理方法：适用于轻度非线性与非高斯系统的最小二乘法（LS），以及适用于更复杂系统的马尔可夫链蒙特卡罗（MCMC）与核密度估计（KDE）。在所呈现的雷达交叉和地月轨道碎片跟踪示例中，结果表明，在GM-PHD滤波器内批量处理tracklet的框架提高了MTF精度，证明其提供了更具信息量的更新，减少了杂波的影响。
期刊
IF:
2.8
论文数:
1.7K
被引数:
2.0W
机构
引用论文
Road Intensity Based Mapping Using Radar Measurements With a Probability Hypothesis Density Filter
OAAI
OAAI分享收藏Monte Carlo sampling methods using Markov chains and their applications基于马尔可夫链的蒙特卡罗抽样方法及其应用.png)
Biometrika
BiometrikaIF0
PREAI
分享收藏分享收藏
查看更多内容