Einige Inhalte dieser Anwendung sind momentan nicht verfügbar.
Wenn diese Situation weiterhin besteht, kontaktieren Sie uns bitte unterFeedback&Kontakt
1. (CN103729637) Extended target probability hypothesis density filtering method based on cubature Kalman filtering

Amt : China
Anmeldenummer: 201310753640.5 Anmeldedatum: 31.12.2013
Veröffentlichungsnummer: 103729637 Veröffentlichungsdatum: 16.04.2014
Erteilungsnummer: 103729637 Erteilungsdatum: 11.01.2017
Veröffentlichungsart : B
IPC:
G06K 9/32
G Physik
06
Datenverarbeitung; Rechnen; Zählen
K
Erkennen von Daten; Darstellen von Daten; Aufzeichnungsträger; Handhabung von Aufzeichnungsträgern
9
Verfahren oder Anordnungen zum Lesen oder Erkennen gedruckter oder geschriebener Zeichen oder zum Erkennen von Mustern, z.B. Fingerabdrücken
20
Bildaufnahme [Gewinnung von das Bild wiedergebenden Signalen]
32
Ausrichten oder Zentrieren des Abtasters oder des Bildfeldes
Anmelder: XI'AN POLYTECHNIC UNIVERSITY
Erfinder: MA LILI
WANG NI
CHEN JINGUANG
HU XIMIN
Vertreter: luo di
Prioritätsdaten:
Titel: (EN) Extended target probability hypothesis density filtering method based on cubature Kalman filtering
(ZH) 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法
Zusammenfassung: front page image
(EN) The invention discloses an extended target probability hypothesis density filtering method based on cubature Kalman filtering. The method comprises the steps of (1) pre-setting the Gaussian mixture form of posterior strength of the moment k-1 and obtaining the mean value and covariance of the ith Gaussian item, (2) conducting one-step prediction on the weight, mean value and covariance of the ith Gaussian item obtained from the first step, and (3) conducting measurement updating on the prediction result obtained from the second step to obtain the estimated value of each Gaussian component (as stated in the specification) of the moment k. According to the extended target probability hypothesis density filtering method based on cubature Kalman filtering, extended target tracking is achieved under a nonlinear system, extended target tracking is achieved when the Jacobian matrix of a nonlinear function does not exist or is hard to solve, and a new realization approach is provided for extended target tracking under nonlinear conditions.
(ZH) 本发明公开的基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法,具体按照以下步骤实施:步骤1、预先设定k‑1时刻后验强度的高斯混合形式,得到第i个高斯项的均值和协方差;步骤2、对步骤1得到的第i个高斯项的权值、均值和协方差进行一步预测:步骤3、根据步骤2得到的预测结果进行量测更新,得到k时刻各高斯分量的估计值。本发明的基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法,解决非线性系统下的扩展目标跟踪问题和非线性函数的雅克比矩阵不存在或难以求解时的扩展目标跟踪问题,为解决非线性条件下的扩展目标跟踪提出了一种新的实现途径。