新生目标强度未知的单量测PHD滤波器

徐从安; 熊伟; 刘瑜; 何友

doi:10.3969/j.issn.0372-2112.2016.10.003

您当前的位置：

首页 >

文章列表页 >

新生目标强度未知的单量测PHD滤波器

学术论文 | 更新时间：2025-07-16

- 新生目标强度未知的单量测PHD滤波器
- A Single Measurement PHD Filter with Unknown Target Birth Intensity
- 电子学报 2016年44卷第10期页码：2300-2307
- 作者机构：
  
  海军航空工程学院信息融合研究所,山东,烟台,264001
- 作者简介：
- 基金信息：
- DOI：10.3969/j.issn.0372-2112.2016.10.003
  中图分类号： TN957TP391
- 纸质出版：2016
- 稿件说明：
移动端阅览
徐从安, 熊伟, 刘瑜, 等. 新生目标强度未知的单量测PHD滤波器[J]. 电子学报, 2016,44(10):2300-2307.

XU Cong-an, XIONG Wei, LIU Yu, et al. A Single Measurement PHD Filter with Unknown Target Birth Intensity[J]. Acta Electronica Sinica, 2016, 44(10): 2300-2307.
徐从安, 熊伟, 刘瑜, 等. 新生目标强度未知的单量测PHD滤波器[J]. 电子学报, 2016,44(10):2300-2307. DOI： 10.3969/j.issn.0372-2112.2016.10.003.

XU Cong-an, XIONG Wei, LIU Yu, et al. A Single Measurement PHD Filter with Unknown Target Birth Intensity[J]. Acta Electronica Sinica, 2016, 44(10): 2300-2307. DOI： 10.3969/j.issn.0372-2112.2016.10.003.

摘要

自适应新生目标强度PHD滤波器（PHD-M）在目标漏检时易发生错估或漏估，从而导致滤波器估计性能下降.为解决这一问题，提出了一种新生目标强度未知的单量测（single measurement）PHD滤波器（PHD-SM）并给出了其粒子实现方式.该文首先通过构建一步虚拟量测对漏检目标进行补偿，然后基于单量测PHD分解技术推导了PHD预测和更新公式，最后设计了一种无须聚类操作的多目标状态估计方法.仿真实验表明，在当检测概率

较小时，PHD-SM滤波器估计性能优于PHD-M滤波器，且检测概率越小，性能优势越明显.

Abstract

In situations where the targets cannot be detected in the surveillance region

the estimated performance of the adaptive target birth intensity probability hypothesis density (PHD) filter will get worse because of false or low estimate.To overcome this problem

with unknown target birth intensity

a single measurement PHD (PHD-SM) filter and its sequential Monte Carlo (SMC) method are proposed.First

the undetected targets are compensated through developing the one step virtual measurement set.Afterward

according to the single measurement decomposition technique of PHD

the predication and update equations are derived.Finally

a novel multi-target state estimation method is presented.The simulation results show that

when the detecti

on probability P

is small

PHD-SM filter has higher estimation performance.Moreover

the smaller the detection probability

the more significant advantage of estimation performance for PHD-SM filter.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

三维空间纯方位多目标跟踪PHD算法

基于特征迹的密集多目标自适应视频跟踪

基于随机集的RBPF多目标关联跟踪算法

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