文献

J-GLOBAL ID：201702269050299280   整理番号：17A1351820

ランダム係数Kalmanフィルタに基づくランダムMHTデータ結合アルゴリズム【Powered by NICT】

Random MHT data association algorithm based on random coefficient Kalman filter

著者 (4件)： Zhang Yi (School of Mathematics, Sichuan University, Chengdu, Sichuan 610064) ,  Shen Xiaojing (School of Mathematics, Sichuan University, Chengdu, Sichuan 610064) ,  Wang Zhiguo (School of Mathematics, Sichuan University, Chengdu, Sichuan 610064) ,  Zhu Yunmin (School of Mathematics, Sichuan University, Chengdu, Sichuan 610064)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Fusion  ページ： 1-7  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 新しいランダムデータ結合アルゴリズムはNP困難多次元割当問題と等価であることができる多重仮説追跡の枠組みを提案した。この新しいアルゴリズムの鍵となるアイデアは,線形計画法問題への多次元割当問題を緩和することである。線形計画法問題の解は,潜在的飛跡の確率,制約条件を満たす0/1確率解を丸めの計算困難を回避するとして扱われる。全てのトラックと測定は,ランダム係数行列を持つ新しい全動的システムに統合することができる。さらに,ランダム係数行列Kalmanフィルタリングはトラックの状態推定を導出するための統合動的システムに適用した。データ関連を追跡ランダムKalmanフィルタベースの多重仮説の重要な利点は,計算の複雑さは,多次元割当問題のLagrange緩和のそれよりもかなり少ないことであった。シミュレーションは,ランダムデータ結合アルゴリズムおよび動作を実証し,実行時間は多次元割当問題のLagrange緩和アルゴリズムと比較して大幅に短縮することができた。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 多重化 ,  動的系 ,  NP困難 ,  線形計画法 ,  *Kalmanフィルタ ,  状態推定 ,  高次元 ,  *アルゴリズム ,  計算量 ,  割当問題
準シソーラス用語： 実行時間 ,  Lagrange緩和法 ,  係数行列 ,  *データ結合 , 【Automatic Indexing@JST】

分類 (3件)： ロボットの運動・制御  (IC04012J) ,  レーダ  (ND13010H) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 係数 ,  Kalmanフィルタ ,  データ結合 ,  アルゴリズム