改进的最适高斯近似概率假设密度滤波
最适高斯近似概率假设密度滤波是一种新颖的多机动目标跟踪算法。然而,该算法存在模型概率先验固化问题,即在计算模型概率的过程中量测信息不起作用。针对以上问题,该文提出一种改进算法,通过引入模型概率更新过程,将后验量测信息加入模型概率的计算式中,根据似然函数在多个运动模型之间进行软切换,进而实现对多个机动目标的有效跟踪。实验结果表明,改进算法能够有效解决模型概率先验固化问题,在目标数估计和滤波精度方面均优于传统算法,具有良好的工程应用前景。
随机集、概率假设密度滤波、最适高斯近似、机动目标跟踪
TN953
中国博士后科学基金2012M521713资助课题
2013-07-16(万方平台首次上网日期,不代表论文的发表时间)
共8页
239-246