Extended CPHD Filter for Combining Multi-Target Tracking with Sensor Alignment

• Autorzy: Li D. , Yi D.

Warianty tytułu

PL

Rozszerzony filtr CPHD do połączenia śledzenia wielu celów z wyrównaniem czujnika

• Języki publikacji: EN

Abstrakty

EN

An extended CPHD (Cardinalised Probability Hypothesis Density) filter for combining multi-target tracking with sensor alignment is proposed. The augmented state is established by appending the sensor biases to the single-target state. The cardinality distribution of the targets and the intensity of the augmented state are propagated by employing Gaussian mixtures. The target states and the sensor biases are jointly estimated. Simulation results show that the proposed filter successfully achieves the sensor alignment and outperforms the standard CPHD filter.

PL

Zaproponowano rozszerzony filtr CPHD do połączenia śledzenia wielu celów z wyrównaniem czujników. Wyrażenia dotyczące pojedynczego celu rozszerzono przez dodanie offsetu czujnika. Moc (kardynalność) rozkładu celów i intensywność rozszerzonego wyrażenia są zrealizowane przez zastosowanie przekształceń Gaussa. Przeprowadzono jednoczesna estymację wyrażeń celu i offsetu czujnika. Wyniki symulacji wykazują, że proponowane rozwiązanie satysfakcjonująco dokonuje wyrównania czujników i wyjściowych parametrów standardowego filtru CPHD.

Słowa kluczowe

EN

multi-target tracking; CPHD filter; Gaussian mixtures

PL

filtr CPHD; śledzenie celu; przekształcenia Gaussa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 1b
• Strony: 41--44
• Opis fizyczny: Bibliogr. 9 poz., wykr.

Twórcy

autor

Li D.

• Department of Mathematics and Systems Science, National University of Defense Technology, Changsha, China

autor

Yi D.

• Department of Mathematics and Systems Science, National University of Defense Technology, Changsha, China

Bibliografia

• [1] Haessig D., Friedland B., Separate-bias estimation with reduced-order Kalman filters, IEEE Transactions on Automatic Control, 43 (1998), No. 7, 983-987.
• [2] Okello N., Ristic B., Maximum likelihood registration for multiple dissimilar sensors, IEEE Transactions on Aerospace and Electronic Systems, 39 (2003), No. 3, 1074-1083.
• [3] Mahler R., Multitarget bayes filtering via first-order multitarget moments, IEEE Transactions on Aerospace and Electronic Systems, 39 (2003), No. 4, 1152-1178.
• [4] Vo B.-N., Ma W.-K., The Gaussian mixture probability hypothesis density filter, IEEE Transactions on Signal Processing, 54 (2006), No. 11, 4091-4104.
• [5] Lian F., Han C., Liu W., Chen H., Joint spatial registration and multi-target tracking using an extended probability hypothesis density filter, IET Radar, Sonar and Navigation, 5 (2011), No. 4, 441-448.
• [6] Vo B.-T., Vo B.-N., Cantoni A., Analytic implementations of the cardinalized probability hypothesis density filter, IEEE Transactions on Signal Processing, 55 (2007), No. 7, 3553- 3567.
• [7] Mahler R., PHD filters of higher order in target number, IEEE Transactions on Aerospace and Electronic Systems, 43 (2007), No. 4, 1523-1543.
• [8] Julier S., Uhlmann J., Durrant-Whyte H. F., A new method for the nonlinear transformation of means and covariances in filters and estimators, IEEE Transactions on Automatic Control, 45 (2000), No. 3, 477-482.
• [9] Schuhmacher D., Vo B.-T., Vo B.-N., A consistent metric for performance evaluation of multi-object filters, IEEE Transactions on signal processing, 56 (2008), No. 8, 3447- 3457.