没有合适的资源?快使用搜索试试~ 我知道了~
针对多个信噪比相差较大时容易发生的目标漏检问题,提出了一种改进的多目标双层粒子滤波检测前跟踪算法(IM-PF-TBD)。算法采用双层粒子滤波结构,在目标检测层中,采用锦标赛选择方法对检测粒子群进行重采样,选取多个权重相差较大的粒子,通过粒子聚类同时检测多个目标,提高了检测初期较弱目标的存在概率。此外,算法提出了粒子群融合方法用于新发现目标的验证,便于目标检测后虚假目标的剔除。仿真结果表明,所提算法能有效改善信噪比较小的目标的检测概率并降低目标RMSE。
资源推荐
资源详情
资源评论
一种改进的粒子滤波检测前跟踪算法一种改进的粒子滤波检测前跟踪算法
针对多个信噪比相差较大时容易发生的目标漏检问题,提出了一种改进的多目标双层粒子滤波检测前跟踪算法
(IM-PF-TBD)。算法采用双层粒子滤波结构,在目标检测层中,采用锦标赛选择方法对检测粒子群进行重采样,
选取多个权重相差较大的粒子,通过粒子聚类同时检测多个目标,提高了检测初期较弱目标的存在概率。此
外,算法提出了粒子群融合方法用于新发现目标的验证,便于目标检测后虚假目标的剔除。仿真结果表明,所
提算法能有效改善信噪比较小的目标的检测概率并降低目标RMSE。
0 引言引言
检测前跟踪(Track-Before-Detect,TBD)方法是一种非相参积累的方法,是对目标运动信息数据经过多帧积累,以达到检测
跟踪目标的目的
[1]
,包括Hough变换、动态规划
[2]
和粒子滤波
[3]
等。其中,基于粒子滤波方法的检测前跟踪方法(Particle Filter
Track-Before-Detect,PF-TBD)是在Monte Carlo实验的基础上实现递归的贝叶斯滤波
[4-5]
。PF-TBD不仅能够处理线性高斯问
题
[6]
,也能够处理非线性、非高斯条件下的检测跟踪问题
[7-9]
。
在PF-TBD算法中常用的重采样方法包括系统重采样和分层重采样等方法,这些重采样方法可以让权重高的粒子尽可能地被
采样到,去除权重低的粒子,解决了粒子的退化现象。但在对多个目标进行探测时,如果目标间的信噪比相差较大,可能会导
致信噪比较低的目标被漏检
[10-12]
。而如果提高较弱目标的检测概率,则可能会导致虚假目标的产生
[13-14]
。
针对以上情况,本文提出了一种改进的多目标双层粒子滤波检测前跟踪算法(Improved Multi-target Two-layer Particle Filter
Track-Before-Detect Algorithm,IM-PF-TBD),算法首先在目标检测环节引入锦标赛选择粒子过程,该算法能尽可能多地选择
到更多的优质粒子,保证信噪比较低目标的检测。其次,在新目标验证环节,本文提出了基于粒子群融合的点迹融合方法,将
检测目标粒子群和跟踪目标粒子群进行融合,该方法使得获得的新的目标跟踪粒子群包含两个粒子群的优质粒子,提高了粒子
群的多样性,便于虚假目标的剔除。
1 目标运动模型与传感器观测模型目标运动模型与传感器观测模型
资源评论
weixin_38711529
- 粉丝: 4
- 资源: 901
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功