概率假设密度滤波的谱聚类目标状态提取方法
【作者】
张慧
[1,2,3] ;
韩崇昭
[1,2,3] ;
闫小喜
[1,2,3]
【关键词】
多目标状态估计
概率假设密度
状态提取
谱聚类
Nystrm逼近
【摘要】提出了一种谱聚类目标状态提取方法来实现概率假设密度(PHD)滤波中序贯蒙特卡罗(SMC)实现方式的多目标状态估计.该方法利用PHD滤波SMC实现方式输出的大量的加权粒子点间的相似度关系建立相似矩阵,通过变换得到拉普拉斯矩阵,进而对拉普拉斯矩阵进行特征分解,以实现粒子点的聚类,再在每类中寻找粒子的聚类点作为多目标状态的估计值,同时为了减小计算量,利用Nystrm逼近方法求解特征向量.仿真实验表明,PHD滤波的谱聚类目标状态提取方法的估计精度比k均值目标状态提取方法提高了60%以上.
上一篇:一种双约束稀疏模型图像修复算法
下一篇:最后一页