Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Probability hypothesis density (PHD) filter is a new practical method to solve the unknown time-varying multi-target tracking problem. Particle filter implementation of the PHD filter has demonstrated a feasible suboptimal method for tracking multi-target in real-time. To obtain the target states, the peak-extraction from the posterior PHD particles needs to be implemented. A new state estimation method is proposed in this paper, which doesn't need to extract the PHD peaks. The method provides a single-target PHD expression derived from the updated PHD equation. The single-target PHD is approximated by the particles and their weights relevant to the observation. Thus the target states can be directly estimated from the single-target PHD sequentially. Simulation results demonstrate that the new algorithm provides more accurate state estimations and is more efficient than the traditional multi-target state estimation methods such as k-means clustering algorithm.