|
|
Publications of A. Strandlie
Result of the query in the list of publications :
Article |
1 - Particle tracking with iterated Kalman filters and smoothers : the PMHT algorithm.
A. Strandlie and J. Zerubia. Computer Physics Communications, (123): pages 77-87, 1999.
@ARTICLE{jz99b,
|
| author |
= |
{Strandlie, A. and Zerubia, J.}, |
| title |
= |
{Particle tracking with iterated Kalman filters and smoothers : the PMHT algorithm}, |
| year |
= |
{1999}, |
| journal |
= |
{Computer Physics Communications}, |
| number |
= |
{123}, |
| pages |
= |
{77-87}, |
| keyword |
= |
{} |
| } |
|
 top of the page
Technical and Research Report |
1 - A Deterministic Annealing PMHT Algorithm with an Application to Particle Tracking.
A. Strandlie and J. Zerubia. Research Report 3711, Inria, June 1999.
Keywords : EM algorithm, Particle tracking.
@TECHREPORT{jz99c,
|
| author |
= |
{Strandlie, A. and Zerubia, J.}, |
| title |
= |
{A Deterministic Annealing PMHT Algorithm with an Application to Particle Tracking}, |
| year |
= |
{1999}, |
| month |
= |
{June}, |
| institution |
= |
{Inria}, |
| type |
= |
{Research Report}, |
| number |
= |
{3711}, |
| url |
= |
{http://www.inria.fr/rrrt/rr-3711.html}, |
| pdf |
= |
{ftp://ftp.inria.fr/INRIA/publication/publi-pdf/RR/RR-3711.pdf}, |
| ps |
= |
{ftp://ftp.inria.fr/INRIA/publication/publi-psgz/RR/RR-3711.ps.gz}, |
| keyword |
= |
{EM algorithm, Particle tracking} |
| } |
Résumé :
Nous considérons l'algorithme PMHT pour suivre la trajectoire de particules dans des détecteurs utilisés en physique des hautes énergies. Cet algorithme a récemment été développé pour suivre des cibles multiples dans un environneme- nt encombré. Il est fondé sur l'estimateur du maximum de vraisemblance, et s'appuie sur un algorithme de type EM. L'algorithme résultant correspond à l'utilisation en parallèle de plusieurs filtres de Kalman itératifs couplés. Il est proche de l'algorithme EA, mais il est de plus capable de prendre en compte le bruit associé au processus, comme par exemple la diffusion de Coulomb multiple. Dans ce rapport, nous présentons les propriétés classiques d'un tel algorithme et proposons une généralisation incluant un recuit déterministe. Nous proposons également plusieurs modificati- ons améliorant les performances de cet algorithme. En particulier, nous avons modifié les probabilités reliant les événements élémentaires aux trajectoires afin d'obtenir une compétition entre ces événements dans une même couche du détecteur. Enfin, nous présentons des résultats obtenus sur des simulations réalisées à partir du détecteur ATLAS (TRT). Nous considérons l'algorithme PMHT pour suivre la trajectoire de particules dans des détecteurs utilisés en physique des hautes énergies. Cet algorithme a récemment été développé pour suivre des cibles multiples dans un environneme- nt encombré. Il est fondé sur l'estimateur du maximum de vraisemblance, et s'appuie sur un algorithme de type EM. L'algorithme résultant correspond à l'utilisation en parallèle de plusieurs filtres de Kalman itératifs couplés. Il est proche de l'algorithme EA, mais il est de plus capable de prendre en compte le bruit associé au processus, comme par exemple la diffusion de Coulomb multiple. Dans ce rapport, nous présentons les propriétés classiques d'un tel algorithme et proposons une généralisation incluant un recuit déterministe. Nous proposons également plusieurs modificati- ons améliorant les performances de cet algorithme. En particulier, nous avons modifié les probabilités reliant les événements élémentaires aux trajectoires afin d'obtenir une compétition entre ces événements dans une même couche du détecteur. Enfin, nous présentons des résultats obtenus sur des simulations réalisées à partir du détecteur ATLAS (TRT). |
Abstract :
We introduce the Probabilistic Multi-Hypothesis Tracking (PMHT) algorithm for particle tracking in high-energy physics detectors. This algorithm has been developed recently for tracking multiple targets in clutter, and it is based on maximum likelihood estimation by aid of the EM algorithm. The resulting algorithm basically consists of running several iterated and coupled Kalman filters and smoothers in parallel. It is similar to the Elastic Arms algorithm, but it possesses the additional feature of being able to take process noise into account, as for instance multiple Coulomb scattering. Herein, we review its basic properties and derive a generalized version of the algorithm by including a deterministic annealing scheme. Further developments of the algorithm in order to improve the performance are also discussed. In particular, we propose to modify the hit-to-track assignment probabilities in order to obtain competition between hits in the same detector layer. Finally, we present results of an implementat- ion of the algorithm on simulated tracks from the ATLAS Inner Detector Transition Radiation Tracker (TRT). We introduce the Probabilistic Multi-Hypot- hesis Tracking (PMHT) algorithm for particle tracking in high-energy physics detectors. This algorithm has been developed recently for tracking multiple targets in clutter, and it is based on maximum likelihood estimation by aid of the EM algorithm. The resulting algorithm basically consists of running several iterated and coupled Kalman filters and smoothers in parallel. It is similar to the Elastic Arms algorithm, but it possesses the additional feature of being able to take process noise into account, as for instance multiple Coulomb scattering. Herein, we review its basic properties and derive a generalized version of the algorithm by including a deterministic annealing scheme. Further developments of the algorithm in order to improve the performance are also discussed. In particular, we propose to modify the hit-to-track assignment probabilities in order to obtain competition between hits in the same detector layer. Finally, we present results of an implementation of the algorithm on simulated tracks from the ATLAS Inner Detector Transition Radiation Tracker (TRT). |
|
top of the page
These pages were generated by 
|
get the bibtex
