Resumen

Al integrar el filtro cardinalmente equilibrado multitarget multi-Bernoulli (CBMeMBer) con el algoritmo de modelos múltiples interactivos (IMM), en este artículo se propone un filtro MM-CBMeMBer para el seguimiento de múltiples objetivos maniobrantes en presencia de ruido de fondo. Se utiliza el método de Monte Carlo secuencial (SMC) para implementar el filtro en modelos genéricos multitarget y el método de mezcla gaussiana (GM) para implementar el filtro en modelos multitarget lineales-gaussianos. Luego, se describen brevemente las aproximaciones de filtrado de Kalman extendido (EK) y de Kalman insesgado para el filtro GM-MM-CBMeMBer para adaptarse a modelos ligeramente no lineales. Se presentan resultados de simulación para mostrar la efectividad del filtro propuesto.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Filtro; Objetivos; Seguimiento; Múltiples; Modelos; Simulación
• Keywords:Filter; Targets; Tracking; Multiple; Models; Simulation