一种基于概率密度传播的目标跟踪算法.ppt

模板来自于 / * 一种基于概率密度传播的目标跟踪算法 背景 系统模型 概率密度传播跟踪算法 目录 背景 有效的目标跟踪是无线传感器网络在战场信息监测、生活习性监测、室内定位等众多领域得以应用的基础。目标跟踪算法整体上分为两大类：概率方法和数值方法。 算法 问题的转化 方法 概率算法 将跟踪问题转化为状态估计问题 贝叶斯估计、极大似然估计等 数值算法 将跟踪问题看作优化问题 求极值 表1 两种目标跟踪算法的比较 背景 PF(Particle Filter)算法被提出并用来解决非线性、非高斯环境下的目标跟踪问题。PF算法理论上基于后验分布进行采样，在实际应用中很难做到。实际中通常基于先验分布采样，然后利用似然函数进行加权，但是会产生退化、贫化等一系列问题。针对上述问题，本文提出一种贝叶斯框架下的概率密度传播跟踪算法 PDPA。 系统模型 PDPA 算法基于贝叶斯框架，采用状态空间模型来表述WSN跟踪问题，令目标的状态变量序列为 ，观测变量序列为 ，则有 F，H， ， 分别为为状态预测函数，状态观测函数，过程噪声和观测噪声。在(1)和(2)作用下，状态分布先验概率密度函数 和后验概率密度函数