李鹏
- 作品数:2 被引量:16H指数:2
- 供职机构:江南大学物联网工程学院更多>>
- 发文基金:江苏省自然科学基金国家自然科学基金更多>>
- 相关领域:自动化与计算机技术电子电信更多>>
- 基于高斯曲面特征矩阵的扩展目标形状估计被引量:6
- 2014年
- 针对传统方法难以准确估计扩展目标形状的问题,提出一种新的基于高斯曲面拟合的量测模型和基于高斯曲面特征矩阵的形状估计算法。首先,建立能反映目标真实形状的结构点,并产生多个高斯曲面,通过曲面叠加形成任意形状的量测空间分布模型;然后,根据高斯曲面拟合原理,用矩阵表示该拟合曲面主要区域的分布特征,并通过映射方程建立矩阵坐标与笛卡尔坐标的映射关系;最后,通过贝叶斯滤波体系更新拟合矩阵。与现有算法相比,本文算法不需要准确预设目标形状,在量测噪声较大的环境下,可以自适应的拟合目标真实形状。并且,在不需要预设目标形状方程的情况下,可以估计包括空心形状在内的任意不规则目标形状。实验结果表明,在目标初始形状参数不准确的情况下,本文算法正确估计了飞机形状、空心形状和集群目标形状,并且具有较好的扩展目标形状估计性能和较强的鲁棒性。
- 李鹏杨金龙葛洪伟
- 关键词:特征矩阵
- 基于均值漂移聚类的扩展目标量测集划分算法被引量:10
- 2014年
- 在噪声环境下,存在扩展目标数未知且变化的多扩展目标跟踪量测集难以划分、计算代价高的问题。为此,提出一种基于均值漂移聚类的量测集划分算法。通过迭代更新中心点,使其收敛于局部最优,并引入极大似然估计技术估计每个划分子集中的目标数,对于目标数大于1的子集采用模糊C均值聚类算法进行二次划分,使得划分的量测子集与各个扩展目标一一对应。实验结果表明,该算法在多扩展目标量测集划分性能上明显优于传统的距离划分和K-means++划分算法,尤其是在保持跟踪精度的前提下量测集划分数和计算代价明显降低,且能较好地划分紧邻扩展目标的量测集。
- 刘风梅葛洪伟杨金龙李鹏
- 关键词:极大似然估计