Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Feature Point Detection and Target Tracking Based on SIFT and KLT Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

An Improved PHD Filter Based on Dynamic Programming

verfasst von : Meng Fang, Wenguang Wang, Dong Cao, Yan Zuo

Erschienen in: Geo-Spatial Knowledge and Intelligence

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Traditional PHD filter for detecting and tracking weak targets does not work well in the case of low detection probability. In this paper, an improvement of PHD filtering based on dynamic programming is proposed. The method takes advantage of the correlation among the multi-frame data. The result of dynamic programming is applied to PHD filter for getting stable detecting and tracking effect. Monte Carlo simulation results show that the improved method is superior to the PHD filter under low detection probability.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Bug Patterns Detection from Android Apps
Nächstes Kapitel Type Analysis and Automatic Static Detection of Infeasible Paths
Literatur
1.
Yang, W., Fu, Y., Pan, X.G., Zhang, Z., Li, X.: Track-before-detect technique for dim targets: an overview. Acta Electronic Sinica 42(09), 1786–1793 (2014)
2.
Mahler, R.: A theoretical foundation for the Stein-Winter probability hypothesis density (PHD) multi-target tracking approach. In: Proceedings of the MSS National Symposium on Sensor and Data Fusion, San Antonio, TX, pp. 99–117 (2000)
3.
Vo, B.-N., Ma, W.-K.: The Gaussian mixture probability hypothesis density filters. IEEE Trans. Sig. Process. 54(11), 4091–4104 (2006)CrossRef
4.
Vo, B.-N., Singh, S., Doucet, A.: Sequential Monte Carlo methods for multi-target filtering with random finite sets. IEEE Trans. Aerosp. Electron. Syst. 41(4), 1224–1245 (2005)CrossRef
5.
Han, C., Zhu, H., Duan, Z.: Multi Sensor Information Fusion. Tsinghua University Press, Beijing (2010)
6.
Hu, Z.: A Study of Multi-target Tracking Based on Random Finite Set Using Radar. Xidian University (2015)
7.
Zhang, H.: Probability Hypothesis Density Filter Algorithm and its Application in Multi-Targets Tracking. Harbin Engineering University (2012)
8.
Wan, Y., Wang, S., Weihua, W.: Dynamic programming track before detect for maneuvering dim targets. J. Sig. Process. 29(05), 548–590 (2013)
9.
Tian, S., Wang, G., He, Y.: Multi-target tracking with probability hypothesis density particle filter. J. Nav. Aeronaut. Eng. Inst. (04), 417–420 + 430 (2007)
10.
Jing, P., Shiyou, X., Li, X., Chen, Z.: Performance evaluation of multiple target tracking: a survey. Syst. Eng. Electron. 36(1), 2127–2132 (2014)
Metadaten
Titel
An Improved PHD Filter Based on Dynamic Programming
verfasst von
Meng Fang
Wenguang Wang
Dong Cao
Yan Zuo
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Geo-Spatial Knowledge and Intelligence

Print ISBN: 978-981-13-0895-6

Electronic ISBN: 978-981-13-0896-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-13-0896-3_28