穆祥强，王朝英，危璋，孔云波

(空军工程大学 信息与导航学院，陕西 西安　710011)



基于迭代积分卡尔曼PHD滤波多目标跟踪

穆祥强，王朝英，危璋，孔云波

(空军工程大学 信息与导航学院，陕西 西安710011)

在多目标跟踪环境下，通过对数值积分卡尔曼概率假设密度滤波器(QK-PHD)的误差分析，提出一种迭代QK-PHD算法。该算法基本思想是将一步预测作为第1次迭代的初始值，通过量测更新得到状态估计，然后将此状态估计作为下一步迭代的初始均值和方差。通过多次迭代后滤波输出精度更高方差更小。Matlab仿真结果表明，在不明显增加计算时间的基础上，迭代QK-PHD比QK-PHD的跟踪效果更加明显，滤波输出精度更高。

迭代；多目标跟踪；状态估计；数值积分；卡尔曼滤波；概率假设密度滤波

0　引言

非线性滤波问题广泛存在于导航、目标跟踪、数字通信等领域，其基本任务都是从当前时刻目标状态估计和量测去估计出下一时刻的目标状态。在多目标环境下，目标的新生、衍生、合并导致目标个数动态变化，而且在观测过程中会引入大量的噪声，这些噪声影响着目标的滤波精度。Mahler[1]根据有限集[2-4]提出概率假设密度滤波器(probability hypothesis density，PHD)。该方法不需要数据关联从而得到广泛应用。

当目标的运动模型为非线性高斯情况时，为了更加精确地跟踪目标，需要采用非线性滤波。Vo等人分别提出了扩展卡尔曼PHD(extended Kalman filter PHD,EKF-PHD)和无迹卡尔曼PHD(unscented Kalman filter PHD,UKF-PHD)。但是扩展卡尔曼滤波是展开泰勒级数来线性化模型，当模型非线性化程度较大时其滤波误差比较大。……