PHD filtering with localised target number variance
PHD filtering with localised target number variance
复制标题
具有局部目标数方差的 PHD 过滤
DOI：
--
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
Daniel E. Clark
中科院分区：
文献类型：
--
作者：
E. Delande;J. Houssineau;Daniel E. Clark
马勒的概率假设密度（PHD滤波器），提出于2000年，解决了多目标检测和跟踪问题的挑战，通过传播的平均密度的目标在任何区域的状态空间。然而，当检索关于目标存在的一些本地证据成为较大过程的关键组成部分时-例如，用于传感器管理目的-本地目标数量是不够的，除非也可以提供关于目标数量的估计的一些置信度。在本文中，我们提出了第一个实现的PHD滤波器，还包括估计的局部方差的目标数后，每个更新步骤，然后我们说明的优点PHD滤波器+方差的模拟数据从一个多目标的情况。
Mahler’s Probability Hypothesis Density (PHD filter), proposed in 2000, addresses the challenges of the multipletarget detection and tracking problem by propagating a mean density of the targets in any region of the state space. However, when retrieving some local evidence on the target presence becomes a critical component of a larger process - e.g. for sensor management purposes - the local target number is insufficient unless some confidence on the estimation of the number of targets can be provided as well. In this paper, we propose a first implementation of a PHD filter that also includes an estimation of localised variance in the target number following each update step; we then illustrate the advantage of the PHD filter + variance on simulated data from a multiple-target scenario.