作者：宋骊平; 刘宇航; 程轩演化网络模型群目标跟踪箱粒子滤波概率假设密度
摘要：群演化网络模型对群结构的构建和实时更新提供了良好的实现方式.针对粒子概率假设密度（SMCPHD）滤波算法存在运算量大的问题,提出一种基于箱粒子概率假设密度（BP-PHD）滤波的演化网络群目标跟踪算法.将群演化网络模型得到的群结构信息反馈回BP-PHD滤波过程中,从而实现群目标的跟踪和群数目的估计.对比实验表明,所提出算法可以在保证跟踪效果的同时减少计算量,并且在杂波密集的条件下具有更好的跟踪精度和鲁棒性.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
