✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。
🍎个人主页：Matlab科研工作室
🍊个人信条：格物致知。
更多Matlab完整代码及仿真定制内容点击👇
🔥 内容介绍
多目标跟踪 (MTT) 旨在从传感器数据中估计多个目标的状态，例如位置、速度和大小。在现实世界应用中，目标往往表现出扩展性，即它们在空间中占据一定范围，而非简单的点目标。这种扩展性在雷达、声呐和计算机视觉领域中十分常见，例如，追踪车辆、飞机或人群等。
扩展目标跟踪 (EOT) 的目标是估计目标的空间扩展以及其运动状态。与点目标跟踪相比，EOT 增加了对目标形状、大小和方向的估计，从而提供了更全面的信息。近年来，基于轨迹集的滤波方法，例如概率假设密度 (PHD) 滤波和多伯努利混合 (MBM) 滤波，在多目标跟踪领域取得了重大进展。
基于轨迹集的扩展目标跟踪
基于轨迹集的扩展目标跟踪方法利用概率假设密度 (PHD) 或多伯努利混合 (MBM) 来表示目标状态的概率分布。这些方法将目标视为一个随机有限集，并通过时间递归更新其概率密度函数。
PHD 滤波是一种近似贝叶斯滤波器，它仅传播目标数的期望值，而 MBM 滤波则更精确地表示目标数的完整概率分布。MBM 滤波提供了更好的目标数估计，特别是在目标产生和消亡的动态环境中。
泊松多伯努利混合 (PMBM) 滤波器
泊松多伯努利混合 (PMBM) 滤波器是一种结合了泊松过程和多伯努利混合过程的滤波器。该滤波器能够同时处理新目标的出现和现有目标的消亡，并提供了对目标数的更精确估计。
基于轨迹集的扩展目标 PMBM 跟踪器
为了实现基于轨迹集的扩展目标 PMBM 跟踪器，我们需要将 PMBM 滤波器扩展到扩展目标的情形。这可以通过引入新的随机变量来表示目标的扩展属性，例如目标的形状、大小和方向。
扩展目标 PMBM 滤波器
扩展目标 PMBM 滤波器遵循以下步骤：
-
**预测：**根据目标的运动模型预测目标状态的概率分布。
-
**更新：**利用传感器测量数据更新目标状态的概率分布。
-
**目标数估计：**根据预测和更新步骤，估计目标数的概率分布。
-
**轨迹集估计：**根据目标数估计和更新后的目标状态，估计每个目标的轨迹集。
轨迹集表示
为了表示扩展目标的轨迹集，我们可以使用一些方法，例如：
-
**多点模型：**将扩展目标视为多个点的集合，并跟踪每个点的运动状态。
-
**几何模型：**使用几何形状（如椭圆或矩形）来表示目标的扩展，并跟踪形状参数的运动状态。
-
**图像模型：**使用图像来表示目标的扩展，并跟踪图像特征的运动状态。
应用
基于轨迹集的扩展目标 PMBM 跟踪器在各种领域具有广泛的应用，例如：
-
**自动驾驶：**跟踪其他车辆、行人和道路障碍物。
-
**航空交通管制：**跟踪飞机和无人机。
-
**机器人导航：**跟踪物体和环境特征。
-
**安全监控：**跟踪可疑人员和物体。
结论
基于轨迹集的扩展目标 PMBM 跟踪器是一种强大的工具，能够在复杂环境中有效地跟踪扩展目标。该方法提供了对目标数、状态和轨迹集的精确估计，并具有很高的鲁棒性。
未来的发展方向
基于轨迹集的扩展目标 PMBM 跟踪器仍然处于不断发展中。未来的研究方向包括：
-
**更精确的扩展目标模型：**开发更精确的模型来描述目标的扩展属性。
-
**更有效的算法：**开发更有效的算法来实现 PMBM 滤波器。
-
**更复杂的应用：**探索该方法在更复杂环境中的应用，例如多传感器跟踪和协同跟踪。
⛳️ 运行结果
🔗 参考文献
Yuxuan Xia, Karl Granström, Lennart Svensson, Ángel F. García-Femández, and Jason L. Williams (2019, July). Extended Target Poisson multi-Bernoulli Mixture Trackers Based on Sets of Trajectories. In 2019 22nd International Conference on Information Fusion (FUSION) IEEE.
Full text is available at https://arxiv.org/abs/1911.09025
More details on GGIW-PMBM can be found in the paper
Karl Granström, Maryam Fatemi, and Lennart Svensson. "Poisson multi-Bernoulli mixture conjugate prior for multiple extended target filtering." IEEE Transactions on Aerospace and Electronic Systems (2019).
Full text is available at https://arxiv.org/abs/1605.06311
More details on the point target PMBM tracker can be found in the paper
Karl Granström, Lennart Svensson, Yuxuan Xia, Jason L. Williams, and Ángel F. García-Femández. "Poisson multi-Bernoulli mixture trackers: continuity through random finite sets of trajectories." In 2018 21st International Conference on Information Fusion (FUSION). IEEE, 2018.
Full text is available at https://arxiv.org/pdf/1812.05131
The filters are evaluated using the generalised optimal subpattern-assignment (GOSPA) integrated with the Gaussian Wasserstein distance
A. S. Rahmathullah, A. F. García-Fernández, and L. Svensson, Generalized optimal sub-pattern assignment metric, in 20th InternationalConference on Information Fusion, 2017.
🎈 部分理论引用网络文献，若有侵权联系博主删除
🎁 关注我领取海量matlab电子书和数学建模资料
👇 私信完整代码和数据获取及论文数模仿真定制
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题
2 机器学习和深度学习方面
2.1 bp时序、回归预测和分类
2.2 ENS声神经网络时序、回归预测和分类
2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类
2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类
2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类
2.7 ELMAN递归神经网络时序、回归\预测和分类
2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类
2.9 RBF径向基神经网络时序、回归预测和分类
765
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
