原创力文档- 29
- 0
- 约9.51千字
- 约 23页
- 2018-12-03 发布于天津
- 举报
多目标跟踪算法
多目标跟踪算法
先来回顾下卡尔曼滤波器：
假定表示当前k时刻目标的状态，表示下一个时刻目标的状态，则表示k时刻的实际观测。一般地模型都假定为线性的：
这里的为k+1时刻目标的状态，为k时刻的状态，为状态转移矩阵，而是服从均值为0方差为的正态分布，表示由噪声等引起的干扰。卡尔曼滤波采取初步估计：
这里的估计只是初步的估计，状态估计与实际状态的误差矩阵等于状态的的方差，即：
更新（修正）：
这里已知了实际观察，同样是假定观测与状态的似然关系是线性的，即满足：
服从一个均值为0方差为 的正态分布。
卡尔曼滤波器给出了经过更新后得到的比较合理的k+1时刻的估计为：
相应地得到了更新后方差的估计：
这里：
其实这些都是通过最小二乘法推出来的，即使得误差：
最小，而初步估计也是通过最小二乘法获得，即使得：
最小。有了上述估计方程后，便可以获得一个估计流程：
下面再介绍下贝叶斯公式
先看一个定义
马氏链：
设为有限集或可列集，称为定义在概率空间上，取值于空间E的马氏链，如果满足下面的马氏性：对一切有
若左边的条件概率有定义，则称为在n-1
文档评论（0）