针对一个扫描周期内单个目标可能产生多个量测的问题, 提出一种基于标签随机有限集的扩展算法. 结合脉冲扩展标签多伯努利(-GLMB) 滤波器和多量测模型, 推导出新的更新方程; 采用假设分解策略对关联过程进行降维, 避免了量测分组过程. 实验分析表明: 所提出算法能对目标数进行无偏估计, 在低探测概率条件下跟踪性能明显优于多量测概率假设密度(MD-PHD) 算法; 计算开销在量测较少时高于MD-PHD, 量测个数增加时增幅低于MD-PHD.

该模型采用有限集模型预测直接功率控制方法来控制PWM整流器。交流侧输入三相对称交流电，220V/50Hz，直流侧输出760V。其中，模型预测采用S-Function模块实现，在运行模型前需要先运行其代码并添加到路径。

整流器交流侧为三相对称电压，220V/50Hz，直流侧为760V，且电压可调。其中模型预测模块采用matlab-function模块实现，运行前需要先在matlab首页文件管理器中将模型对应的文件夹加入到路径。交流侧电感的标称值为0.01H，如果不是的话请设置为该值

梳理了随机有限集(RFS)的理论基础和发展脉络,重点对其在多目标跟踪中应用和实现的难点问题进行详细分析.首先针对单传感器情形,深入讨论RFS的几类典型近似技术,包括:概率假设密度(PHD)滤波器、势概率假设密度(CPHD)滤波器、多伯努利(MeMBer)滤波器以及泛化标签多伯努利(GLMB)滤波器,对其发展脉络进行分析,并对高斯混合(GM)及序贯蒙特卡罗(SMC)实现中面临的问题进行研究;其次,针对多传感器情形,介绍时空配准问题的处理方法,并分别从集中式、分布式融合两个方面对基于RFS多传感器多目标跟踪技术进行分析;再次,对RFS滤波器在实际应用中面临的困难及挑战进行分析;最后,基于现有研究进展,提出RFS在多目标跟踪领域未来需重点关注及研究的方向.

Simulink仿真传统有限集模型预测控制三相两电平整流器仿真

本文概述了基于随机有限集的目标跟踪方法的产生、发展和研究现状．论文概要总结了基于随机有限集的目标跟踪方法的基础理论，主要包括随机有限集的理论基础，概率假设密度滤波器的理论基础，概率假设密度滤波器的实现方式以及基于随机有限集的目标跟踪算法的性能评价指标．文中同时简要介绍了概率假设密度滤波器在目标跟踪领域的应用，并对在该领域未来的发展提出了自己的看法．

数篇基于随机有限集的多目标跟踪综述性质的文献

分布式传感器融合

内容详细，对于研究多目标跟踪有极大帮助

法国数学专著中译版。涉及一些普通图论不能解决的问题。