多机动目标跟踪的BFG-GMPHD算法
2016-12-09赵斌胡建旺吉兵
火力与指挥控制 2016年11期
关键词:模型
赵斌,胡建旺,吉兵
(军械工程学院,石家庄050003)
多机动目标跟踪的BFG-GMPHD算法
赵斌,胡建旺,吉兵
(军械工程学院,石家庄050003)
针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。
概率假设密度,高斯混合,机动目标,最佳拟合高斯,模型概率更新
0 引言
在多目标跟踪中,一些传统数据关联算法,如联合概率数据关联(JPDA)和多假设跟踪(MHT)等,需要建立目标与量测值之间的对应关系[1],随着杂波和目标数的增加,会导致计算量的指数增长[2]。针对这一问题,Mahler[3]提出基于随机集理论的概率假设密度(PHD)滤波算法,避开了复杂的数据关联问题,算法能够处理杂波、虚警环境下的目标跟踪问题。PHD的实现方式[4]主要有序列蒙特卡洛(SMC)和高斯混合(GM)两种形式,Vo等[5]提出的高斯混合实现方式能够提供解析解,并且具有计算量小、实现简单的优点,使得GMPHD滤波算法成为多目标跟踪领域研究的热点。然而,基于随机集的多目标跟踪算法针对的是整个多目标状态随机集,并不区分个体目标的运动特性,当目标发生机动时,不能有效识别出每个目标的机动情况。……
登录APP查看全文
