اجرای فیلتر چگالی فرض احتمال با شدت زایش وفقی توسط فیلتر ذره ای کمکی

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 164

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PADSA-5-2_007

تاریخ نمایه سازی: 23 اردیبهشت 1400

چکیده مقاله:

فیلتر چگالی فرض احتمال (PHD) به صورت متوالی گشتاور چندهدفه مرتبه اول را برای تابع چگالی احتمال چندهدفه محاسبه می نماید و بنابراین حجم محاسبات مسئله ردگیری را به مقدار زیادی کاهش می دهد. در این مقاله، پیاده سازی بهبودیافته ای از فیلتر PHD را با استفاده از ایده فیلتر ذره ای با متغیر کمکی برای تقریب شدت اهداف از قبل موجود و ایده اجرای شدت زایش وفقی برای اهداف تازه متولدشده ارائه می دهیم. تفاوت شیوه ارائه شده از شیوه مرسوم پیاده سازی بروش SMC فیلتر PHD در این است که به طور هم زمان اهداف از قبل موجود و اهداف تازه متولدشده در محیطی که شدت زایش یک نواخت و دارای اطلاعات کمی است، جستجو می شوند. نتایج شبیه سازی بیان گر این مطلب می باشند که شیوه جدید ارائه شده دقت تقریب PHD را در مقایسه با شیوه های مرسوم-سازی پیاده سازی به روش SMC، در تعداد ذرات یکسان، افزایش قابل توجهی می دهد.

کلیدواژه ها:

ردگیری چند هدفه ، مجموعه محدود تصادفی (RFS) ، فیلتر چگالی فرض احتمال ، فیلتر ذره ای با متغیر کمکی

نویسندگان

میثم رییس دانایی

دانشگاه جامع امام حسین (ع)

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • R. Mahler, “Statistical Multisource Multitarget Information Fusion,” Norwood: Artech House, ...
  • R. Mahler, “Multi-target Bayes filtering via first-order multi-target moments,” IEEE ...
  • H. Sidenbladh and S.-L. Wirkander, “Tracking Random Sets of Vehicles ...
  • J. Mullane and et al., “A random finite set approach ...
  • E. Maggio, M. Taj, and A. Cavallaro, “Efficient multi-target visual ...
  • B. N. Vo, S. Singh, and A. Doucet, “Sequential Monte ...
  • B. N. Vo and W. Ma, “The Gaussian mixture probability ...
  • N. Whiteley, S. Singh, and S. Godsill, “Auxiliary particle implementation ...
  • J. Hong Yoon, D. Yong Kim, and Kuk-Jin Yoon, “Efficient ...
  • E. Baser and M. Efe, “A novel auxiliary particle PHD ...
  • M.R. Danaee, “On Improvement of Cardinalized Probability Hypothesis Density Filter ...
  • B. Ristic, D. Clark, B.-N. Vo, and B.-T Vo, “Adaptive ...
  • A. Doucet, et al., “On sequential monte carlo sampling methods ...
  • D. Schuhmacher, B.-T. Vo, and B.-N. Vo. “A consistent metric ...
  • M. Longbin, S. Xiaoquan, Z. Yizu, Z. S. Kang, and ...
  • نمایش کامل مراجع