Přejít k obsahu


Gaussian Mixtures Proposal Density in Particle Filter for Track-Before-Detect

Citace: [] STRAKA, O., ŠIMANDL, M., DUNÍK, J. Gaussian Mixtures Proposal Density in Particle Filter for Track-Before-Detect. In FUSION: 2009 12TH INTERNATIONAL CONFERENCE ON INFORMATION FUSION, VOLS 1-4. NEW YORK: IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA, 2009. s. 270-277. ISBN: 978-0-9824-4380-4
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Gaussian Mixtures Proposal Density in Particle Filter for Track-Before-Detect
Rok vydání: 2009
Místo konání: NEW YORK
Název zdroje: IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA
Autoři: Ing. Ondřej Straka Ph.D. , Prof. Ing. Miroslav Šimandl CSc. , Ing. Jindřich Duník Ph.D.
Abstrakt CZ: Článek byl věnován problematice sledování objektů s malým poměrem signál/šum za pomoci částicových filtrů. Pozornost byla věnována zejména problematice návrhu vhodné vzorkovací hustoty filtru. Byla navržena nová vzorkovací hustota pravděpodobnosti založená na gaussovské směsi, která umožní dosáhnout lepší kvality odhadu při snížení výpočetních nároků. Navržený algoritmus byl testován za pomoci numerických příkladů.
Abstrakt EN: The paper deals with state estimation for the track-before-detect approach using the particle filter. The focus is aimed at the track initiation proposal density of the particle filter which considerably affects estimate quality. The goal of the paper is to design a proposal based on a Gaussian mixture using a bank of extended Kalman filters. This leads to root mean square error lower than that achieved by usual simple track initiation proposals. Due to application of several developed techniques reducing computational requirements of the designed proposal, the Gaussian mixture particle filter also achieves lower computational requirements than ordinary particle filter. Performance of the proposed Gaussian mixture track initiation proposal in the particle filter is demonstrated in a numerical example.
Klíčová slova

Zpět

Patička