350 руб
Журнал «Успехи современной радиоэлектроники» №6 за 2016 г.
Статья в номере:
Рекуррентный алгоритм сопровождения неопределенного числа целей
Ключевые слова: смесь нормальных распределений многоцелевое сопровождение случайные конечные множества байесовская фильтрация
Авторы:
В.Н. Жураковский - к.т.н., доцент, МГТУ им. Н.Э. Баумана. E-mail: zhurakovsky@sm.bmstu.ru А.Ю. Былдин - инженер, МГТУ им. Н.Э. Баумана К.С. Кондрашов - инженер, МГТУ им. Н.Э. Баумана. E-mail: sm2-2@inbox.ru
Аннотация:
Предложен рекуррентный алгоритм для оценивания числа целей и их сопровождения. Показано, что если считать процессы появления и эволюции целей гауссовскими, то апостериорная интенсивность представляет собой смесь нормальных распределений. Получены выражения рекурсии для определения математических ожиданий, ковариаций и весов нормальных компонент апостериорной интенсивности.
Страницы: 30-38
Список источников

 

  1. Coraluppi S., Carthel C. Generalizations to the track-oriented MHT recursion // Information Fusion (Fusion). 18th International Conference. 6-9 July 2015. P. 346-350.
  2. Crouse D., Willet P., Svensson L., Svennson D., Guerriero M. The Set MHT // Information Fusion (FUSION), Proceedings of the 14th International Conference. 5-8 July 2011. P. 1-8.
  3. Zeng T., Zheng L., Li Y., Chen X., Long T. Offline Performance Prediction of PDAF With Bayesian Detection for Tracking in Clutter // IEEE Transactions on Signal Processing. 2013. V. 61. № 3. P. 770-781.
  4. Habtemariam B., Tharmarasa R., Thayaparan T., Mallick M., Kirubarajan T. A Multiple-Detection Joint Probabilistic Data Association Filter // IEEE Journal of Selected Topics in Signal Processing. 2013. V. 7. № 3. P. 461-471.
  5. Микаэльян С.В. Методы фильтрации на основе многоточечной аппроксимации плотности вероятности оценки в задаче определения параметров движения цели при помощи измерителя с нелинейной характеристикой // Наука и образование. МГТУ им. Н.Э. Баумана. № 10. Октябрь 2011.
  6. Mahler R. Random set theory for target tracking and identification // Data Fusion Hand Book, D. Hall and J. Llinas (eds.). CRC press Boca Raton. 2001. P. 14/1-14/33.
  7. Vo B., Singh S., Doucet A. Sequential Monte Carlo methods for multi-target filtering with random finite sets // IEEE Transactions on Aerospace and Electronic Systems. 2005. V. 41. № 4. P. 1224-1245.
  8. Shicang Zhang, Xinmei Hu, Liangbin Wu Multiple manoeuvring targets tracking via GM-PHD and IMM-SB/MHT // Radar Conference 2013. IET International. 14-16 April 2013. P. 1-5.
  9. Tang X., Chen X., McDonald M., Mahler R., Tharmarasa R., Kirubarajan T. A Multiple-Detection Probability Hypothesis Density Filter // IEEE Transactions on Signal Processing. 2015. V. 63. № 8. P. 2007-2019.
  10. Mahler R. A survey of PHD filter and CPHD filter implementations // Signal Processing, Sensor Fusion, and Target Recognition XV. SPIE Defense & Security Symposium. April 2007.
  11. Кондрашов К.С., Жураковский В.Н. Автозахват траекторий в режиме автономного обзора в условиях низкой точности входных данных // Наука и образование. МГТУ им. Н.Э. Баумана. № 11. Ноябрь 2013.
  12. Жураковский В.Н., Кондрашов К.С. Алгоритм разделения подвижных и малоподвижных объектов в малогабаритной обзорной РЛС // Спецтехника и связь. РОСНОУ. Научно-технический журнал. 2015. №2.
  13. Большаков И.А. Статистические проблемы выделения потока сигналов из шума. М.: Сов. радио. 1969.