-
题名概率假设密度高斯混合实现的分量删减
- 1
-
-
作者
闫小喜
韩崇昭
-
机构
西安交通大学电子与信息工程学院综合自动化研究所智能网络与网络安全教育部重点实验室机械制造系统工程国家重点实验室
-
出处
《自动化学报》
EI
CSCD
北大核心
2011年第11期1313-1321,共9页
-
基金
国家重点基础研究发展计划(973计划)(2007CB311006)
国家自然科学基金创新研究群体科学基金(60921003)
国家自然科学基金(61074176)资助~~
-
文摘
针对概率假设密度(Probability hypothesis density,PHD)高斯混合实现算法中的分量删减问题,提出了基于Dirichlet分布的分量删减算法以改进概率假设密度高斯混合实现算法的性能.算法采用极大后验准则估计混合参数,采用仅依赖于混合权重的负指数Dirichlet分布作为混合参数的先验分布,利用拉格朗日乘子推导了混合权重的更新公式.算法利用负指数Dirichlet分布的不稳定性,在极大后验迭代过程中驱使与目标强度不相关的分量消亡.该不稳定性还能够解决多个相近分量共同描述一个强度峰值的问题,有利于后续多目标状态的提取.仿真结果表明,基于Dirichlet分布的分量删减算法优于典型高斯混合实现中的删减算法.
-
关键词
概率假设密度
高斯混合实现
分量删减
Dirichlet分布
极大后验
-
Keywords
Probability hypothesis density （PHD）
Gaussian mixture implementation
component pruning
Dirichlet distribution
maximum a posterior （MAP）
-
分类号
TN713
[电子电信—电路与系统]
-
-
题名基于熵分布的概率假设密度滤波器高斯混合实现
被引量：3
- 2
-
-
作者
吴刚
韩崇昭
闫小喜
连峰
-
机构
西安交通大学智能网络与网络安全教育部重点实验室
西安交通大学机械制造系统工程国家重点实验室
西安交通大学电子与信息工程学院
江苏大学电气信息工程学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2014年第1期89-93,共5页
-
基金
国家自然科学基金创新研究群体科学基金项目(60921003)
国家自然科学基金项目(61074176
+2 种基金
61004087
61304261)
江苏大学高级人才启动基金项目(12JDG076)
-
文摘
针对概率假设密度滤波器,提出一种基于熵分布的高斯混合实现算法.在该算法中,作为混合参数先验分布的熵分布,主要用在极大后验迭代过程中删减无关混合分量,该删减操作可通过混合权重调整来实现.此外,该算法还能够解决多个具有类似参数的混合分量共同描述一个强度峰值的问题.仿真结果表明,所提出算法优于典型的阈值删减算法.
-
关键词
概率假设密度
高斯混合实现
熵分布
分量删减
极大后验
-
Keywords
probability hypothesis density
Gaussian mixture implementation
entropy distribution
component pruning
maximum a posterior
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名拓展目标混合分量删减算法
- 3
-
-
作者
闫小喜
李战明
陈若珠
-
机构
江苏大学电气信息工程学院
兰州理工大学电气工程与信息工程学院
-
出处
《兰州理工大学学报》
CAS
北大核心
2014年第4期81-85,共5页
-
基金
国家自然科学基金(61304261)
-
文摘
针对拓展目标概率假设密度滤波器高斯混合实现中的混合分量增长问题,提出混合分量的极大似然删减算法.该算法利用期望极大化方法实现混合分量的极大似然删减;视量测在混合分量的来源指标集为缺失量;取混合参数的先验分布为依赖于混合权重的分布;在期望步,计算量测在混合分量来源指标的条件概率;在极大化步,通过混合权重置零来实现相关度较小混合分量的删减.仿真结果表明,该混合分量极大似然删减算法优于典型阈值删减算法.
-
关键词
拓展目标跟踪
概率假设密度
高斯混合实现
混合分量删减
极大似然
-
Keywords
extended object tracking
probability hypothesis density
Gaussian mixture implementation
mixture component pruning
maximum likelihood
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名一种具有信息保持能力的GM-PHD滤波器
被引量：8
- 4
-
-
作者
刘宗香
谢维信
王品
余友
-
机构
深圳大学ATR国防科技重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2013年第8期1603-1608,共6页
-
基金
国家自然科学基金(No.61271107)
国家科技支撑计划重大项目(No.2011BAH24B12)
+1 种基金
广东省自然科学基金(No.S2012010009417)
高等学校博士学科点专项科研基金(No.20104408120001)
-
文摘
概率假设密度(PHD)滤波器是解决虚警、漏检和目标数未知情况下多目标跟踪问题的新方法.然而在该滤波器中已存在的目标一旦在某个时刻不能被传感器检测到,漏检目标的大量信息会被滤波器丢弃.为解决漏检目标的信息丢失问题,对PHD滤波器的预测和更新方程进行了修正,提出了一种具有信息保持能力的PHD滤波器.在此基础上提出了适用于线性高斯模型的修正PHD滤波器高斯混合(GM)实现算法.仿真实验结果表明,与现有的PHD滤波器相比,在存在漏检的情况下所提出的GM-PHD滤波器能够提供更好的多目标跟踪能力.
-
关键词
多目标跟踪
概率假设密度滤波器
高斯混合实现
线性高斯模型
-
Keywords
multi-target tracking
probability hypothesis density filter
Gaussian mixture implementation
linear Gaussian models
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TN953
[电子电信—信号与信息处理]
-
-
题名多模型GM-CBMeMBer滤波器及航迹形成
被引量：12
- 5
-
-
作者
连峰
韩崇昭
李晨
-
机构
西安交通大学电信学院综合自动化研究所智能网络与网络安全教育部重点实验室
西安交通大学软件学院
-
出处
《自动化学报》
EI
CSCD
北大核心
2014年第2期336-347,共12页
-
基金
国家重点基础研究发展计划(973计划)(2013CB329405)
国家自然科学基金创新研究群体(61221063)
+2 种基金
中国博士后科学基金(20100481338)
中国博士后科学基金特别资助项目(2012T50746)
中央高校基本科研业务费专项资金资助~~
-
文摘
提出了一种可适用于杂波环境下对多个机动目标进行跟踪并能形成多目标航迹的多模型势平衡多目标多伯努利(Cardinality balanced multi-target multi-Bernoulli,CBMeMBer)滤波器.随后,在多机动目标时间演化模型和观测模型均为线性高斯的假设条件下利用高斯混合(Gaussian mixture,GM)技术获得了该滤波器解析的递推形式—多模型GMCBMeMBer滤波器,并简要给出了它在非线性条件下的扩展卡尔曼(Extended Kalman,EK)滤波近似.仿真实验结果表明所建议的多模型GM-CBMeMBer滤波器能有效地对多个机动目标进行跟踪而单模型GM-CBMeMBer滤波器则会产生明显的航迹丢失和虚假航迹,并且对于信噪比较低的仿真场景,它的性能优于多模型高斯混合概率假设密度(GM probability hypothesis density,GM-PHD)滤波器,接近于多模型高斯混合势概率假设密度(GM cardinalized PHD,GM-CPHD)滤波器.
-
关键词
多机动目标跟踪
势平衡多目标多伯努利滤波器
交互式多模型算法
高斯混合实现
-
Keywords
Multiple maneuvering targets tracking, cardinality balanced multi-target multi-Bernoulli （CBMeMBer） filter, interacting multiple models （IMM） algorithm, Gaussian mixture （GM） implementation
-
分类号
TN713
[电子电信—电路与系统]
-
