袁常顺　　王　俊　　孙进平　　孙忠胜　　毕严先(北京航空航天大学电子信息工程学院　北京　100191)



一种幅度信息辅助多伯努利滤波算法

袁常顺王俊*孙进平孙忠胜毕严先
(北京航空航天大学电子信息工程学院北京100191)

摘要：在许多多目标跟踪场景中，目标返回的幅度通常强于虚警杂波返回的幅度。通过建立更加准确的包含幅度信息的目标和虚警杂波似然函数，可提高多目标估计精度。该文提出一种基于随机有限集的幅度信息辅助多伯努利滤波(Amplitude Information Assistant Multi-Bernoulli Filter，AIA-MBerF)算法。该算法通过建立幅度似然函数将幅度信息引入到多伯努利滤波的更新过程中，并给出针对线性和非线性模型的高斯混合(Gaussian Mixture，GM)和序贯蒙特卡洛(Sequential Monte Carlo，SMC)实现方法。仿真结果表明，该滤波算法相比于传统多伯努利滤波(Multi-Bernoulli Filter，MBerF)无论GM还是SMC实现都可获得更加准确稳定的目标数和对应的目标状态估计。关键词：多目标跟踪；随机有限集；幅度信息；多伯努利滤波

1　引言

多目标跟踪一直是目标跟踪领域研究的热点，其目的是从量测中联合估计时变且未知目标数和对应目标运动状态[1]。由于传感器自身特性，检测器提供给跟踪器的目标量测是不可靠的：一部分量测可能是杂波，一部分真实目标被漏检；跟踪器利用观测模型从量测中识别正确的目标，根据目标的运动状态模型跟踪目标。许多传感器，例如雷达和声呐，可同时实现对目标位置和幅度的测量。由于目标的信号幅度通常强于杂波，因此为区分量测来源于目标或者杂波提供了一个有价值的信息。……