RBPF粒子滤波在目标跟踪中的应用研究

doi:10.3969/j.issn.1000-3428.2011.03.053

计算机工程 ›› 2011, Vol. 37 ›› Issue (3): 149-151.

RBPF粒子滤波在目标跟踪中的应用研究

赵丰^1,2，汤磊³，陈国友¹，赵宗贵⁴

(1. 解放军理工大学指挥自动化学院，南京 210007；2. 海南省军区，海口 570236； 3. 南京陆军指挥学院，南京 210045；4. 中国电子科技集团公司第28研究所，南京 210014)

出版日期:2011-02-05 发布日期:2011-01-28
作者简介:赵丰(1972－)，男，工程师、博士研究生，主研方向：信息融合，指挥自动化；汤磊，讲师、博士；陈国友，副教授；赵宗贵，研究员、博士生导师
基金资助:
国家部委基金资助项目

Research on Application of RBPF in Target Tracking

ZHAO Feng ^1,2, TANG Lei ³, CHEN Guo-you ¹, ZHAO Zong-gui ⁴

(1. Institute of Command and Automation, PLA University of Science & Technology, Nanjing 210007, China; 2. Hainan Province Military District, Haikou 570236, China; 3. Nanjing Army Command College, Nanjing 210045, China; 4. The 28th Research Institute, China Electronics Technology Group Corporation, Nanjing 210014, China)

Online:2011-02-05 Published:2011-01-28

摘要/Abstract

摘要： 针对雷达目标跟踪中的某一类非线性问题，传统处理方法都是先行线性化再进行处理，但当线性化后的测量噪声相关性较大时则无法满足要求。为此，应用RBPF粒子滤波进行研究。在仿真实验中对RBPF多权值的情况进行探讨，提出一种可行的处理方法。对RBPF在噪声相关性较大时的性能进行分析，并讨论其在时间推移时的相对估计误差变化情况。

关键词: RBPF粒子滤波, Kalman滤波, 目标跟踪

Abstract: Rao-Blackwellised Particle Filtering(RBPF) is a class of particle filter. A particular nonlinear radar target tracking problem is analyzed in detail, this kind of problem is often dealt with linearization and it is failed when correlation between measurement noise is too big. In this simulation test, multi-weight of RBPF is discussed and a doable way is proposed, the performance of RBPF under much correlation of noise is analyzed, relative estimate error of RBPF is also discussed when time processes.

Key words: Rao-Blackwellised Particle Filtering(RBPF), Kalman filtering, target tracking

中图分类号:

TP391

赵丰, 汤磊, 陈国友, 赵宗贵. RBPF粒子滤波在目标跟踪中的应用研究[J]. 计算机工程, 2011, 37(3): 149-151.

DIAO Feng, SHANG Lei, CHEN Guo-You, DIAO Zong-Gui. Research on Application of RBPF in Target Tracking[J]. Computer Engineering, 2011, 37(3): 149-151.

https://www.ecice06.com/CN/Y2011/V37/I3/149

[1]	周翰祺, 方东旭, 张宁波, 孙文生. 基于深度学习的多无人机多目标跟踪[J]. 计算机工程, 2025, 51(4): 57-65.
[2]	孙子文, 钱立志, 袁广林, 杨传栋, 凌冲. 基于实时动态模板更新的Transformer目标跟踪方法[J]. 计算机工程, 2025, 51(4): 158-168.
[3]	崔金荣, 叶伟浩, 郑鸿, 刘同来, 齐龙, 徐勇. 基于域自适应NWD-YOLOv5的复杂环境下水稻幼苗计数[J]. 计算机工程, 2025, 51(3): 320-333.
[4]	罗旭东, 袁笛, 常晓军, 何震宇. 基于不确定性启发图像增强的水下目标跟踪[J]. 计算机工程, 2025, 51(1): 11-19.
[5]	林畅, 郭伟, 任哲聪, 金海波. 基于Transformer的目标跟踪与分割统一算法[J]. 计算机工程, 2024, 50(9): 130-141.
[6]	安玉, 葛海波, 何文昊, 马赛, 程梦洋. 基于补偿注意力机制的Siamese网络跟踪算法[J]. 计算机工程, 2024, 50(4): 187-196.
[7]	王春雷, 张建林, 李美惠, 徐智勇, 魏宇星. 结合卷积Transformer的目标跟踪算法[J]. 计算机工程, 2023, 49(4): 281-288,296.
[8]	周海赟, 项学智, 王馨遥, 任文凯. 多特征融合的端到端链式行人多目标跟踪网络[J]. 计算机工程, 2022, 48(9): 305-313.
[9]	杨帅东, 谌海云, 徐钒诚, 赵书朵, 袁杰敏. 基于孪生区域建议网络的无人机目标跟踪算法[J]. 计算机工程, 2022, 48(1): 288-295,304.
[10]	张海涛, 秦鹏程. 基于GMS与FPME的视频目标跟踪方法[J]. 计算机工程, 2021, 47(7): 226-231.
[11]	任立成, 杨嘉棋, 魏宇星, 张建林. 基于特征融合与双模板嵌套更新的孪生网络跟踪算法[J]. 计算机工程, 2021, 47(7): 239-248.
[12]	苏超群, 朱正为, 郭玉英. 基于高效卷积算子的异常抑制目标跟踪算法[J]. 计算机工程, 2021, 47(7): 266-272,288.
[13]	李志鹏, 张睿. 一种基于对抗学习的实时跟踪模型设计[J]. 计算机工程, 2021, 47(6): 262-270.
[14]	尚桠朝, 孟令军. 基于多特征和尺度估计的KCF_MTSA算法[J]. 计算机工程, 2021, 47(3): 102-108,116.
[15]	罗朔, 侯进, 谭光鸿, 韩雁鹏. 一种低参数的孪生卷积网络实时目标跟踪算法[J]. 计算机工程, 2021, 47(2): 84-89.

选择文件类型/文献管理软件名称

选择包含的内容

RBPF粒子滤波在目标跟踪中的应用研究

Research on Application of RBPF in Target Tracking

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

RBPF粒子滤波在目标跟踪中的应用研究

Research on Application of RBPF in Target Tracking

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价