基于随机集的RBPF多目标关联跟踪算法

赵欣; 姬红兵; 杨柏胜

您当前的位置：

首页 >

文章列表页 >

基于随机集的RBPF多目标关联跟踪算法

学术论文 | 更新时间：2025-07-16

- 基于随机集的RBPF多目标关联跟踪算法
- Rao-Blackwellized Particle Filter Based on Random Finite Sets Theory for Multi-Target Association and Tracking
- 电子学报 2011年39卷第3期页码：505-510
- 作者机构：
  
  1. 西安电子科技大学电子工程学院,陕西,西安,710071
  2. 中国航天科技集团公司第四研究院401所,陕西,西安,710071
  3. 西安电子科技大学电子工程学院陕西西安,710071
  4. 中国航天科技集团公司第四研究院401所陕西西安,710071
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.60677040)
- DOI：
  中图分类号： TP302.7
- 纸质出版：2011
- 稿件说明：
移动端阅览
赵欣, 姬红兵, 杨柏胜. 基于随机集的RBPF多目标关联跟踪算法[J]. 电子学报, 2011,39(3):505-510.

ZHAO Xin, JI Hong-bing, YANG Bai-sheng. Rao-Blackwellized Particle Filter Based on Random Finite Sets Theory for Multi-Target Association and Tracking[J]. Acta Electronica Sinica, 2011, 39(3): 505-510.
赵欣, 姬红兵, 杨柏胜. 基于随机集的RBPF多目标关联跟踪算法[J]. 电子学报, 2011,39(3):505-510. DOI：

ZHAO Xin, JI Hong-bing, YANG Bai-sheng. Rao-Blackwellized Particle Filter Based on Random Finite Sets Theory for Multi-Target Association and Tracking[J]. Acta Electronica Sinica, 2011, 39(3): 505-510. DOI：

摘要

针对大量杂波环境下数量变化的纯角度多目标航迹关联跟踪问题

提出一种新的基于Rao-Blackwellized粒子采样(RBPF)航迹关联的高斯混合概率假设密度(GMPHD)滤波算法.算法首先利用GMPHD在每时刻对多个目标组成的随机集合进行估计;然后利用基于随机有限集的RBPF对GMPHD所得到的目标集合进行检测和关联

有效解决GMPHD算法中无法进行多目标航迹识别的弊端;最后通过对所有粒子的融合完成航迹区分和估计.实验结果表明

提出方法比起目前经典的随机集Label-PHD关联跟踪算法

可以更有效的对数量未知的多目标航迹进行区分和关联估计

同时算法的跟踪性能及稳定性要好于Label-PHD算法.

Abstract

Due to the difficulty in association and estimation of multi-target tracks in the presence of data association uncertainty

clutter

noise and miss-detection.In this paper

a novel data association probability hypothesis density (PHD) filter for multi-target tracking based on Rao-Blackwellized particle filter (RBPF) algorithm is proposed.Firstly

the Gaussian mixture probability hypothesis density (GMPHD) filter has been proposed to estimate the set of all targets at every time step.Secondly

the data-association functionalities of RBPF can be incorporated with the PHD filter to produce the track-valued estimates of individual targets.Simulation results show that the proposed algorithm is more robust and accurate than Label-PHD algorithm which is very prevalent in the PHD tracking domains

also the proposed algorithm can estimate and distinguish each target more effective.

关键词

Keywords

references

浏览量

1417

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征迹的密集多目标自适应视频跟踪

并行联合概率航迹起始逻辑

多假目标欺骗干扰下组网雷达跟踪技术

多目标跟踪的动态多维分配算法

广义概率数据关联算法