资料下载
×
用于多目标跟踪的m-最佳S-D分配算法
消耗积分:2 |
格式:rar |
大小:1126 |
2009-07-13
王强
分享资料个
本文描述了一种称为m-最佳S-D(即m—最佳s维)的新数据互联算法，这种算法在0(mSkn3)(m个分配，长度为n的s≥3个序列，K次松弛）时间内得到对于" 维分配问题的（近似）m- 最佳结果。m-最佳S 维算法应用于以下的跟踪问题：要么传感器是同步的，要么传感器和’ 或目标运动非常缓慢。此项工作的意义在于m-最佳S-D分配算法（以滑窗模式）可以通过避免所需列举的令人不堪忍受的指数数目的联合假设，从而有效实现次优多假设跟踪(MHT)算法。
本文首先描述了m- 最佳S-D所应用的一般问题。特别是根据来自" 个传感器的视线(LOS)即不完全位置）量测，求取完全位置量测集合，即通过求解一个静态S-D分配问题可得到第.、第2、…第m个最佳（在似然意义下）完全量测集合。使用用于得到m-最佳S-D分配解的联合似然函数，就可用类似JPDA（联合概率数据互联）技术来度量复合量测的正确概率。来自连续扫描的复合量测序列以及它们相应的概率，轮流用于一个动态2-D分配算法的状态估计器中，以估计随着时间变化的运动目标状态。基于一个似然函数获得动态分配权系数，此似然函数包含了从（静态）m- 最佳S-D 分配解中得到的“真实”复合量测概率。通过把m-最佳S-D分配的解法用于一个仿真的多目标被动传感器航迹起始与航迹维持问题，展示了m- 最佳S-D分配解法的优点，其中仿真问题由来自多个(s=7)同步高频方位探测传感器的多个采样时刻LOS 量测构成。
本文首先描述了m- 最佳S-D所应用的一般问题。特别是根据来自" 个传感器的视线(LOS)即不完全位置）量测，求取完全位置量测集合，即通过求解一个静态S-D分配问题可得到第.、第2、…第m个最佳（在似然意义下）完全量测集合。使用用于得到m-最佳S-D分配解的联合似然函数，就可用类似JPDA（联合概率数据互联）技术来度量复合量测的正确概率。来自连续扫描的复合量测序列以及它们相应的概率，轮流用于一个动态2-D分配算法的状态估计器中，以估计随着时间变化的运动目标状态。基于一个似然函数获得动态分配权系数，此似然函数包含了从（静态）m- 最佳S-D 分配解中得到的“真实”复合量测概率。通过把m-最佳S-D分配的解法用于一个仿真的多目标被动传感器航迹起始与航迹维持问题，展示了m- 最佳S-D分配解法的优点，其中仿真问题由来自多个(s=7)同步高频方位探测传感器的多个采样时刻LOS 量测构成。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
