摘要
本发明公开了基于广义标签多伯努利的DOA和极化参数联合跟踪方法。本发明方法利用GLMB框架精确计算多目标后验密度,从而提高跟踪精度,引入一种新的测量分离策略,以解决传统方法中常见的测量关联不匹配的问题,确保测量值与目标航迹的一对一关联;同时采用一种改进型的MUSIC谱函数作为伪似然函数,该函数能够提高接近真实值的粒子权重,并采用指数加权策略,增加了高似然区域的粒子密度。
技术关键词
联合跟踪方法
信号源
协方差矩阵
粒子
广义
标签
参数
特征值
噪声子空间
概率密度函数
轨迹
极化敏感阵列
滤波器
蒙特卡洛方法
阶段
CV模型
系统为您推荐了相关专利信息
动态负载均衡方法
GPU并行处理
粒子
网格
高功率微波器件
单粒子闩锁
能力预测方法
迁移学习方法
拉丁超立方抽样方法
节点