1) order statistics probabilistic data association
顺序统计量概率数据互联
2) probabilistic data association
概率数据互联
1.
Based on the method,joint probabilistic data association algorithm(JPDA)and some modified algorithms were proposed.
阐明了概率数据互联(PDA)算法能很好地解决密集环境下的目标跟踪问题,在该算法基础上,人们又提出了联合概率数据互联(JPDA)算法和一些基于 PDA 的修正算法。
2.
Since the probabilistic data association algorithm is not so good to track a maneuvering target,one has proposed some modified algorithms based on probabilistic data association to track a maneuvering target in clutter.
由于概率数据互联算法不具有跟踪机动目标的能力,为了解决杂波环境下机动目标跟踪问题,提出了很多基于概率数据互联的修正算法。
3.
A new approach named interacting multiple models-probabilistic data association algorithm based on techniques for measurement convertion is proposed in this paper.
针对雷达跟踪机动目标时,目标运动模型通常线性地建模在直角坐标系内,而量测数据由传感器获得的实际情况,提出了基于量测转换的交互多模型概率数据互联算法。
3) joint probabilistic data association
联合概率数据互联
1.
Analysis to a few simplified algorithms based on joint probabilistic data association;
几种简化联合概率数据互联算法性能分析
2.
Centralized multisensor unscented joint probabilistic data association algorithm
集中式多传感器无极联合概率数据互联算法
3.
To resolve this problem,the paper presents a joint probabilistic data association algorithm based on estimation to the clutter density.
联合概率数据互联(JPDA)算法能很好地解决密集环境下的多目标跟踪问题。
4) MPDA
多路径概率数据互联
1.
Algorithm of Target Tracking of OTHR Based on MPDA Using Amplitude Information;
利用幅值信息的超视距雷达多路径概率数据互联算法
5) DPDA
定向概率数据互联
6) MPDAF
修正概率数据互联
1.
The modify probability data association filter(MPDAF)has a function for anti-RGPO(Range-Gate Pull-Off)in less clutter condition,and it is out of action in heavy clutter condition because more clutter could reduce the weight of subject and take more false.
修正概率数据互联(MPDAF)在虚警测量较少的情况下可起到抗距离拖引干扰的作用,但在虚警较多的情况下,杂波的增加降低了目标在更新中的权重,带来了较大误差或者失跟。
补充资料：顺序统计量
顺序统计量
order statistic
近正态分布，其参数为xJ/，=a和扩叼(2(n十l))·如果将统计量序列{户。}与正态分布均值“的最优无偏估计最(ullb此ed estilnator)序列 子无卜见一生夕x 凡一1作比较，则应选序列{X。}，因为对于n)2，有 。无_一兰<‘宜二-、。。. nZ(n+1) 咧2·设X‘”一(X(。，)，二，X(。。))是基于随机向量X一(X，，…，X。)的顺序统计量向量，而X的分量独立且在区间【a一h，a+h]上均匀分布，其中参数“和h未知.对于n)2，记 Y。一合(戈。J，+从。。。)， ~n十l Z一寸厂万(尤(二，一戈一，)·那么，统计量序列{Y。}和{Z。}相应为参数。和h的相合超有效无偏估计量序列(见超有效估计量(superefficient estimator).此外，有 一”2hz Oy=一一一一一上二二一一一-一 (n+l)(”+2) _~2h2 02_二一一二尘二一~- (n一1)(”+2)可以证明，在用顺序统计量表示的线性无偏估计类中，在平方风险最小的意义下，序列{y。}和{Z。}决定a和h的最优估计量.顺序统计最I心刘匕川习咬力c;nop，脚。奴“Toc~] 基于观测结果的有序统计量序列(亦称顺序统计t序列(~石。班d~))中的每一项.假设被观测随机向量X二(戈，…，戈)在n维Euc曰空间R”(n)2)中取值x二(x，，…，x。);此外，假设在R”中按如下规则给出一函数职(·):R”~R” 伊(x)二x(’)，x〔R”，其中x(’)一(x(。，)，…，x(n。))是R”中由向量x将其坐标x;，二，x。按递增顺序排列得到的向量，即向量分’)的分量x(。.)，一，x(，。)满足关系式 、(，】)簇“’簇x(。。)·(1) 在这种情形下，统计量x(‘)=沪(X)=(X〔。1)，，”，x(n·))是一乎序笋甘拿的手烈或字早〔SeneS(orvector)0f0川比statistics)，而其第k个分量X(。*)(k二1，…，的称为第k个顺序统计量(k一th。代七r sta出tic). 在顺序统计量的理论中，随机向量X的分量X、，…，戈为独立同分布随机变量的情形研究的最充分，以下仅限于考虑这种情形.假如F(的是随机变量Xi(i=1，…，。)的分布函数，则第k个顺序统计量x(。。的分布函数F。*(u)由如下公式给出: F。*(u)=尸{X(。*)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条