滑动平均算法Matlab代码-GMPHD过滤器：高斯混合概率假设密度的Python实现

简介：
本项目提供了一个用Python实现的GMPHD滤波器，用于目标跟踪领域中复杂场景下的多目标状态估计。同时附有滑动平均算法的Matlab代码以供参考和学习。 跃跃算法在MATLAB中的代码实现了高斯混合概率假设密度滤波器，并且有对应的Python实现版本。为了评估性能，提供了OSPA指标作为参考标准。对于想要深入理解该算法的人士，我强烈推荐相关论文进行阅读。文件中包含两个模拟示例：第一个例子是GMPHD过滤器性能评估的副本；第二个基于另一个仿真案例并展示了生成场景的过程和步骤。 具体来说，在定义流程模型细节后执行如下操作： 1. 创建一个对象用于描述目标的生命时间（出生时间和死亡时间）以及它们在起始位置的状态。 2. 根据上述设定的目标生命状态，结合给定的流程模型来生成轨迹。这一步骤包括使用`generate_trajectories()`函数依据定义好的模型和特定数量的时间扫描数(`num_scans`)参数创建目标轨迹，并最终获取到所有相关数据如轨迹集合与具体跟踪信息等。