位置:成果数据库 > 期刊 > 期刊详情页
基于t分布混合模型的抗差关联算法
  • ISSN号:1009-5896
  • 期刊名称:《电子与信息学报》
  • 时间:0
  • 分类:TN957[电子电信—信号与信息处理;电子电信—信息与通信工程]
  • 作者机构:海军航空工程学院信息融合技术研究所,烟台264001
  • 相关基金:国家自然科学基金(61471382,61401495,61501487,61531020),山东省自然科学基金(2015ZRA06052)
中文摘要:

针对传感器系统误差和观测目标不完全一致的情况下目标航迹关联中鲁棒性问题,该文提出一种基于t分布混合模型的抗差关联算法。将航迹关联问题转化为图像匹配中的非刚性点集匹配问题,针对非共同观测目标影响关联性能的问题,将非共同观测目标的航迹视为图像匹配中的异常点,建立了对异常点具有更好鲁棒性的重拖尾t分布混合模型,利用期望最大化(EM)算法求解t分布混合模型的闭合解,在求解中为了确保航迹点间的运动一致性(CPD),加入Tikhonov正则项。最后通过实验仿真验证,所提算法在系统误差和观测目标不完全一致情况下的鲁棒性和有效性。

英文摘要:

In order to solve the problem of robust track-to-track association in the presence of sensor biases and non-identical observation, an anti-bias track association algorithm based on t-distribution mixture model is proposed. The robust track-to-track association problem is turned into the non-rigid point matching problem. The tracks of non-common are regarded as outliers in the point matching for the effects of the track-to-track association caused by non-identical observation. The heavy-tailed t-distribution mixture model is established with better robustness to outliers. The closed-form solution of t-distribution mixture model is solved by Expectation Maximization (EM) algorithm. The conditional expectation function is added a regular item of point set, so that the points have a feature of Coherent Point Drift (CPD). Finally, the effectiveness of the proposed algorithm is verified by simulation experiments at the presence of sensor biases and missed detections.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《电子与信息学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国科学院电子学研究所 国家自然科学基金委员会信息科学部
  • 主编:朱敏慧
  • 地址:北京市北四环西路19号
  • 邮编:100190
  • 邮箱:jeit@mail.ie.ac.cn
  • 电话:010-58887066
  • 国际标准刊号:ISSN:1009-5896
  • 国内统一刊号:ISSN:11-4494/TN
  • 邮发代号:2-179
  • 获奖情况:
  • 国内外数据库收录:
  • 荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:24739