-
公开(公告)号：CN103345577B
公开(公告)日：2016-05-18
申请号：CN201310259970.9
申请日：2013-06-27
Applicant: 江南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于变分贝叶斯近似的概率假设密度多目标跟踪方法，它属于制导和智能信息处理技术领域，主要解决现有随机集滤波方法难以实现未知量测噪声环境下的变数目多目标跟踪问题。该方法通过引入变分贝叶斯近似技术，联合估计目标状态和量测噪声协方差的后验概率假设密度，并采用高斯混合逆伽马分布递推闭合解，从而实现未知量测噪声环境下数目变化的多目标跟踪，且具有良好的跟踪效果和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN103345577A
公开(公告)日：2013-10-09
申请号：CN201310259970.9
申请日：2013-06-27
Applicant: 江南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于变分贝叶斯近似的概率假设密度多目标跟踪方法，它属于制导和智能信息处理技术领域，主要解决现有随机集滤波方法难以实现未知量测噪声环境下的变数目多目标跟踪问题。该方法通过引入变分贝叶斯近似技术，联合估计目标状态和量测噪声协方差的后验概率假设密度，并采用高斯混合逆伽马分布递推闭合解，从而实现未知量测噪声环境下数目变化的多目标跟踪，且具有良好的跟踪效果和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN103678949A
公开(公告)日：2014-03-26
申请号：CN201410009933.7
申请日：2014-01-09
Applicant: 江南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法，主要解决噪声环境下，多扩展目标数未知且变化的量测集难以划分、计算代价高的问题。该方法采用高斯核构建量测集的密度分布函数，然后根据密度直方图技术选取密度阈值，滤除量测集中的杂波量测，并引入近邻传播技术构建去杂波量测数据集的相似度矩阵，最后，对该相似度矩阵进行拉普拉斯谱变换，采用K均值算法对其进行聚类。本发明方法能够准确划分多扩展目标量测集，降低计算代价，以提高多扩展目标跟踪性能，满足实际工程系统的设计需求。
-
公开(公告)号：CN103678949B
公开(公告)日：2016-06-01
申请号：CN201410009933.7
申请日：2014-01-09
Applicant: 江南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法，主要解决噪声环境下，多扩展目标数未知且变化的量测集难以划分、计算代价高的问题。该方法采用高斯核构建量测集的密度分布函数，然后根据密度直方图技术选取密度阈值，滤除量测集中的杂波量测，并引入近邻传播技术构建去杂波量测数据集的相似度矩阵，最后，对该相似度矩阵进行拉普拉斯谱变换，采用K均值算法对其进行聚类。本发明方法能够准确划分多扩展目标量测集，降低计算代价，以提高多扩展目标跟踪性能，满足实际工程系统的设计需求。
-
-
-
Search Results
4
records
(took 0.013 seconds)
