文献类型：期刊文章

作　　者：连峰[1] 韩崇昭[1] 刘伟峰[2] 元向辉[1]

机构地区：[1]西安交通大学电子与信息工程学院综合自动化研究所,西安710049 [2]杭州电子科技大学自动化学院,杭州310018

出　　处：《自动化学报》

基　　金：国家重点基础研究发展计划(973计划)(2007CB311006);国家自然科学基金(60574033)资助~~

年　　份：2010

卷　　号：36

期　　号：5

起止页码：731-741

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、EI(收录号：20102513030774)、IC、INSPEC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：提出一种基于粒子概率假设密度滤波器(Sequential Monte Carlo probability hypothesis density filter,SMC-PHDF)的部分可分辨的群目标跟踪算法.该算法可直接获得群而非个体的个数和状态估计.这里群的状态包括群的质心状态和形状.为了估计群的个数和状态,该算法利用高斯混合模型(Gaussian mixture models,GMM)拟合SMC-PHDF中经重采样后的粒子分布,这里混合模型的元素个数和参数分别对应于群的个数和状态.期望最大化(Expectation maximum,EM)算法和马尔科夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)算法分别被用于估计混合模型的参数.混合模型的元素个数可通过删除、合并及分裂算法得到.100次蒙特卡洛(Monte Carlo,MC)仿真实验表明该算法可有效跟踪部分可分辨的群目标.相比EM算法,MCMC算法能够更好地提取群的个数和状态,但它的计算量要大于EM算法.

关 键 词：群目标跟踪  粒子概率假设密度滤波器  高斯混合模型 期望最大化算法 马尔科夫链蒙特卡洛算法  

分 类 号：TN953]