Free clustering optimal particle probability hypothesis density（PHD） filter

当聚类算法被用来提取目标状态时，至于获得最佳的采样密度的分析形式和标准粒子概率的追踪的性能是困难的事实，假设密度(P 哲学博士) 过滤器将衰退，一个免费聚类的最佳的 P 哲学博士(FCO-P-PHD ) 过滤器被建议。没有处于抽取目标状态聚类算法的使用，这个方法能导致 P 哲学博士过滤器的最佳的采样密度和最佳的 P 哲学博士过滤器的实现的分析形式的获得。而且，使饱享在 FCO-P-PHD 过滤器的抽取方法被结合为最佳的采样密度获得分析形式的过程通过去耦过程，一个新单个传感器的免费聚类的州的抽取方法被建议。由把这个方法与标准 P 哲学博士过滤器相结合， FC-P-PHD 过滤器能被获得，它显著地改进 P 哲学博士过滤器的追踪的表演。最后，建议算法的有效性和他们超越另外的算法的优点通过几个模拟实验被验证。