- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第35卷第6期信号处理Vol.35No.6
2019年6月JournalofSignalProcessingJun.2019
文章编号:1003-0530(2019)06-1079-09
基于PPP模型的多扩展目标跟踪的JPDA算法研究
杜浩翠谢维信范建德
(深圳大学ATR国防科技重点实验室,广东深圳518060)
摘要:针对多扩展目标跟踪问题,提出了基于泊松点过程(PoissonPointProcess,PPP)模型的多扩展目标跟踪
的联合概率数据关联(JointProbabilisticDataAssociation,JPDA)算法。首先,采用PPP对扩展目标进行测量建模,
其次以“多对一”关联模型思想提出一种JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然
后结合该边缘关联概率以概率数据关联(ProbabilityDataAssociation,PDA)的方式分别更新每个扩展目标的运动
参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂
波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。
关键词:泊松点过程;多扩展目标跟踪;联合概率数据关联;“多对一”关联模型;边缘关联概率;形状参数
中图分类号:TN713文献标识码:ADOI:10.16798/j.issn.10030530.2019.06.020
引用格式:杜浩翠,谢维信,范建德.基于PPP模型的多扩展目标跟踪的JPDA算法研究[J].信号处理,2019,35
(6):10791087.DOI:10.16798/j.issn.10030530.2019.06.020.
Referenceformat:DuHaocui,XieWeixin,FanJiande.JPDAAlgorithmforMultiExtendedTargetTrackingBasedon
PPPModel[J].JournalofSignalProcessing,2019,35(6):10791087.DOI:10.16798/j.issn.10030530.2019.
06.020.
JPDAAlgorithmforMultiExtendedTargetTrackingBasedonPPPModel
DuHaocuiXieWeixinFanJiande
(ATRKeyLaboratory,ShenzhenUniversity,Shenzhen,Guangdong518060,China)
Abstract:AJointProbabilisticDataAssociation(JPDA)AlgorithmbasedonPoissonPointProcess(PPP)Modelispro
posedformultipleextendedtargettrackingissues.Firstly,weemploythePPPmodelforextendedobjectmeasurementmod
eling.Secondly,aJPDAalgorithmisproposedbasedonthe“many21”associationmodelidea,andthenmarginalassoci
ationprobabilitiescanbecalculatedbythecurrenteffectivemeasurementofthemovingtarget.Thirdly,thekinematicand
shapeparametersofeachextendedtargetareupdatedseparatelyinaprobabilitydataassociation(PDA)fashionofincorpo
ratingthemarginalassociationprobabilities.Fina
文档评论(0)