桂丛楠，吴孙勇，蔡如华，陈亚静,廖桂生

(桂林电子科技大学 数学与计算科学学院，广西 桂林　541004)



一种改进的箱粒子滤波目标跟踪算法

桂丛楠，吴孙勇，蔡如华，陈亚静,廖桂生

(桂林电子科技大学 数学与计算科学学院，广西 桂林541004)

当箱粒子滤波算法在噪声环境下对目标进行检测与跟踪时，由于量测噪声分布不合理，导致广义似然函数表达精度不高，提出了一种改进的箱粒子滤波目标跟踪算法。该算法以高斯分布表示区间噪声，从箱粒子滤波的预测与更新步骤出发，在高斯分布环境下修改广义似然函数，推导了伯努利箱粒子滤波更新过程的表达式。

伯努利滤波；箱粒子；区间量测；广义似然函数

基于传统粒子滤波理论[1]，Gning等[2]提出了一种广义粒子滤波——箱粒子滤波(box-particle filter简称Box-PF)。通过引入箱粒子的概念，将传统算法的粒子替换为状态空间内具有非零测度的可控箱粒子。相比于粒子滤波，该方法大幅减少了所需粒子数，缩短整体运行时间，并且有良好的精度。目前，箱粒子技术应用于多种目标跟踪，如扩展目标跟踪[3]、分布式环境下目标跟踪[4]等。此外，箱粒子滤波可用来处理含有不确定性的非标准量测模型[5]，例如：由随机量测噪声引起的随机不确定性；由于缺乏先验知识或量测偏差而产生的区间量测；由于传感器存在漏检和虚警而引发的数据关联不确定性等。

根据Mahler有限集统计学(FISST)理论，伯努利滤波[6]为考虑随机开闭过程的单一动态系统的非线性/非高斯最优递归贝叶斯估计算法，可用于处理目标检测与跟踪问题。……