伽玛高斯逆Wishart (GGIW) PHD滤波器
这GGIWphd.
对象是一个过滤器,实现的概率假设密度(PHD)使用Gamma高斯逆- wishart组件的混合物。PHD过滤器的GGIW实现通常用于跟踪扩展对象。一个扩展对象可以在每个传感器上产生多个检测,GGIW滤波器使用随机矩阵模型来解释这些检测的空间分布。该过滤器由三个分布组成,以表示扩展对象的状态。
高斯分布 - 表示扩展对象的运动状态。
伽玛分布 - 表示来自扩展对象的传感器上的预期检测次数。
逆wishart (IW)分布-表示目标的空间范围。在二维空间中,区段用一个2 × 2的随机正定矩阵表示,它对应于二维椭圆描述。在三维空间中,范围用一个3 × 3的随机矩阵表示,对应于一个三维椭球体描述。这些随机矩阵的概率密度是一个逆wishart分布。
笔记
GGIWphd.
对象不兼容trackerGNN
那trackerjpda.
,trackertomht.
系统对象。
创造一个博士学位
= ggiwphdGGIWphd.
使用默认属性值进行筛选。
允许您指定博士学位
= ggiwphd (StateCovariances)状态
和StateCoverces.
密度每个组分的高斯分布。状态
和StateCoverces.
设置相同名称的属性。
还允许您使用一个或多个名称值对设置滤波器的属性。将每个属性名称括在引号中。博士
= ggiwphd (StateCovariances,名称,值
)
[1] Granstorm,K.和O. Orguner。“使用随机矩阵跟踪多个扩展目标的PHD滤波器。”IEEE信号处理汇刊。卷。60,数字11,2012,pp。5657-5671。
[2] Granstorm, K.和A. Natale, P. Braca, G. Ludeno和F. Serafino。利用x波段海上雷达数据进行扩展目标跟踪的伽玛高斯逆Wishart概率假设密度地质科学和遥感的IEEE交易。卷。53,第12,2015,第6610页,第6617-6631。