多假设跟踪
多假设跟踪的相关文献在1998年到2022年内共计89篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、武器工业
等领域,其中期刊论文69篇、会议论文5篇、专利文献48756篇;相关期刊50种,包括中国科学技术大学学报、地球信息科学学报、系统工程与电子技术等;
相关会议4种,包括第五届中国信息融合大会、全国第十五届信号与信息处理、第九届DSP应用技术联合学术会议、第29届中国控制会议等;多假设跟踪的相关文献由233位作者贡献,包括孙进平、付锦斌、高海明等。
多假设跟踪—发文量
专利文献>
论文:48756篇
占比:99.85%
总计:48830篇
多假设跟踪
-研究学者
- 孙进平
- 付锦斌
- 高海明
- 关成斌
- 徐海全
- 杨益新
- 王国宏
- 王欢
- 赵伟康
- 钱惟贤
- 陈钱
- 韩一娜
- 丁振平
- 万妍昕
- 于雪莲
- 任侃
- 何伟基
- 冯权
- 刘士建
- 刘宏伟
- 刘清宇
- 华炜
- 夏庆
- 宋剑超
- 张志国
- 张浩宇
- 张雪波
- 张顺
- 彭鼎祥
- 戴奉周
- 方勇纯
- 施明绚
- 朱鲲
- 李宏哲
- 李满良
- 李荣锋
- 欧卫国
- 武妍
- 沈宏
- 祝献
- 耿利祥
- 胡敏
- 苑晶
- 薛雯
- 许红
- 赵凯生
- 路东明
- 邱奇波
- 邱金凤
- 陈秀英
-
-
文成宇;
房卫东;
陈伟
-
-
摘要:
对象初始化方法决定了如何对待多目标跟踪问题,与后续的多目标跟踪效果直接相关。不同的对象初始化方法能够确定不同的多目标跟踪框架,每一种框架都提供一种解决问题的思路,使得多目标跟踪的对象初始化问题具有巨大的研究前景。目前关于多目标跟踪中的对象初始化方法的综述性文献较少或缺乏系统性的对象初始化概述,因此文中从多假设跟踪方法、网络流方法、深度学习方法和主题发现方法4个方面对多目标跟踪的对象初始化方法进行分析。系统地阐述了不同多目标跟踪框架下的任务转换和对象映射问题,汇总了多目标跟踪的对象初始化方法。
-
-
马永峥
-
-
摘要:
在实际海洋环境中,真实情景与理论模型的失配会导致跟踪算法选择错误的航迹,出现跳点或跟踪丢失等问题。为解决这一问题,文章提出了一种基于支持向量机的航迹筛选方法。该方法使用支持向量机对目标的航迹特征数据进行分类,将目标的真实航迹和虚假航迹区分出来,剔除虚假航迹,以控制航迹数目,同时提高跟踪算法的鲁棒性和适应力。实际数据处理结果表明了该方法有效地提升复杂海洋环境下对目标的持续跟踪能力。
-
-
刘建锋
-
-
摘要:
为解决联合概率数据互联只能跟踪已知数目目标和互联模糊,以及传统多假设跟踪算法生成假设数目随时间积累呈指数增长问题.提出一种面向量测m-最优假设N扫描MHT方法.首先,在每一假设下生成m-最优假设,在每帧产生既定数目最优及次优假设;然后,通过N宽度滑窗产生最优可行假设,完成数据互联,并分别使用两点差分线性法和全局最小二乘估计完成单个新目标和多个新目标航迹起始.仿真结果表明,该方法与MHT-DAM算法相比较,获得了跟踪性能和运算时间上的平衡.
-
-
胡敏;
邱金凤;
许红;
李荣锋
-
-
摘要:
提出了一种基于交互式多模型(IMM)的基于最大权重独立集的多假设(MWIS-MHT)方法;将IMM算法引入到MWIS-MHT框架中,采用多种运动模型对机动目标进行跟踪,通过半-马尔科夫过程生成的多机动目标场景对所提方法进行了验证,实验结果表明:所提方法能有效提升目标跟踪的连续性和状态估计的精度,兼顾了MWIS-MHT在计算效率上的优势。相比于MWIS-MHT方法,所提方法更适用于多机动目标的跟踪场景。
-
-
胡敏;
邱金凤;
许红;
李荣锋
-
-
摘要:
提出了一种基于交互式多模型(IMM)的基于最大权重独立集的多假设(MWIS-MHT)方法;将IMM算法引入到MWIS-MHT框架中,采用多种运动模型对机动目标进行跟踪,通过半-马尔科夫过程生成的多机动目标场景对所提方法进行了验证,实验结果表明:所提方法能有效提升目标跟踪的连续性和状态估计的精度,兼顾了MWIS-MHT在计算效率上的优势.相比于MWIS-MHT方法,所提方法更适用于多机动目标的跟踪场景.
-
-
王子微;
孙进平;
赵楚楚
-
-
摘要:
传统多假设跟踪(Multiple Hypothesis Tracker,MHT)算法假定杂波强度先验已知,在未知杂波的观测场景中,杂波强度误差将导致数据关联的准确性急剧下降.针对这一问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的在线杂波估计MHT算法.首先利用核密度函数拟合未知的杂波密度函数,并自适应地估计出该时刻波门内的杂波强度;然后利用杂波强度估计值计算假设航迹的得分函数,提高了数据关联的准确性和目标跟踪的稳定性.仿真结果表明,在未知杂波观测场景中,MHT-KDE算法有效改善了航迹的连续性,减少了虚假航迹数.
-
-
林棋乐;
孙进平;
张志国
-
-
摘要:
传统的多假设跟踪(Multiple Hypothesis Tracking,MHT)算法通常假设一个目标独立地产生一个量测.但在实际观测场景中,当多个目标之间足够接近时,分辨率有限的传感器只能识别出一个未分辨的量测.这种现象使得数据关联问题更加复杂,跟踪算法性能明显下降.针对这一问题,本文提出了一种可适应未分辨量测的改进随机化贪心-自适应搜索结构MHT(Greedy Randomized Adaptive Search Procedure MHT,GRASP-MHT)算法,推导了关联未分辨量测的航迹假设得分,将未分辨量测的数据关联问题建模成最大权重独立集问题(Maximum Weight Independent Set Problem,MWISP),以适应可能存在未分辨量测的场景.仿真结果表明,改进GRASP-MHT能够处理未分辨量测的数据关联问题,并且保留了GRASP-MHT的大部分优点.
-
-
王军;
刘冬利
-
-
摘要:
为适应目标机动性强、探测概率低、信号噪声比低的现代战争复杂作战环境,提出一种基于三维霍夫变换与多假设跟踪、充分利用信息融合前从雷达获得的点迹信息的多雷达点轨融合前运动目标跟踪方法,有效地降低计算复杂性,准确检测和跟踪各种复杂环境中的目标.
-
-
马娟;
许厚棣;
张瑞国
-
-
摘要:
在雷达环境杂波强、目标运动特性复杂、需要同时跟踪多批目标的情况下,目标跟踪过程中容易因关联错误造成跟踪错误.本文提出的多假设航迹跟踪方法在目标的机动特性不明时,建立航迹的多个假设航迹,对假设航迹进行隐形跟踪.该方法中航迹具有父、子、孙三类分支属性之一,其中父航迹为原始航迹,子航迹是在父航迹基础上建立的假设航迹,孙航迹是在子航迹基础上建立的假设航迹.通过父、子、孙三类分支航迹之间的继承和替代,可以同时跟踪丢点、密集杂波区、机动状态不明的多批目标,降低航迹关联错误的概率,实现对目标的稳定跟踪.
-
-
徐伊岑;
曹小兵;
郭剑辉
-
-
摘要:
针对复杂环境下移动机器人同时定位与地图创建(SLAM)中的数据关联问题,提出了一种多假设联合相容分枝定界算法(MHJCBB).该算法结合了多假设跟踪(MHT)算法与联合相容分支定界(JCBB)算法的优点,利用在关联时保留的多个联合相容关联假设形成多个机器人航迹假设分支.定义了航迹假设分支的评价函数,根据评价函数计算结果进行剪枝,将机器人航迹限制在一定范围内,以减小计算量,并输出得分最高的航迹假设分支.不同测量误差条件下的数据关联试验结果表明,与经典的最邻近(NN)算法、JCBB算法相比,MHJCBB算法能够获得更准确的关联结果.
-
-
-
Wang Li;
王莉;
Liang Yan;
梁彦;
Pan Quan;
潘泉
- 《第五届中国信息融合大会》
| 2013年
-
摘要:
针对道路目标跟踪中存在的目标源归属不确定性问题,提出了一种目标-回波-道路网三元数据关联的道路目标多假设跟踪(TER-MHT)算法.若采用标准MHT算法,则杂波环境下假设分叉问题严重,本文首先利用道路信息对目标状态进行投影修正,改善跟踪精度;其次,对道路网中的目标展开多种道路假设,与普通多假设每拍保留多个分支的情况不同,同源目标竞争的关系使得道路假设最终只保留一个假设分支;最后,由于状态投影使得目标状态相似度提高,可通过合并相似假设来降低算法计算量.仿真结果表明,在不增加算法计算量的前提下,通过引入道路信息明显改善了道路目标的跟踪精度.
-
-
-
欧卫国;
李满良
- 《第四届全国信息获取与处理学术会议》
| 2006年
-
摘要:
探讨了改进的MHT(多假设跟踪)算法在成像跟踪系统中的应用.根据成像跟踪系统中目标及背景的特点,通过对图像数据的预处理,利用改进的MHT算法实施目标的识别和跟踪,并在工程实践中用软件实现了算法,处理速度达到25c/s,取得了良好的应用效果.
-
-
-
-
-
-
-
-
- 南京航空航天大学
- 公开公告日期:2022.07.08
-
摘要:
本发明公开了使用互质阵列的概率假设密度DOA跟踪的方法,属于波达方向跟踪领域。该方法包括如下步骤:首先,使用增广互质阵列天线接受信号,得到量测信息。其次,利用随机有限集(random finite set,RFS)框架来描述信号运动状态和数目的随机性以及信号的接收过程,从而建立观测方程。最后,采用PHD滤波器对信号采样粒子进行预测和更新。在PHD算法的更新步骤中,我们先将互质阵列接收信号协方差矩阵向量化,然后对其去除重复项,再截取虚拟阵列中的连续均匀线阵对应的元素,构造Toeplitz矩阵。最后采用MUSIC算法的空间谱函数作为采样粒子的似然函数。本发明方法具有更高的跟踪精度和信号数目的辨识力。
-
-
-
-
-
-
-