一种改进的多伯努利多目标跟踪算法
2016-12-20王海环
西安电子科技大学学报 2016年6期
关键词:卡尔曼滤波
王海环,王 俊
(西安电子科技大学 雷达信号处理国家重点实验室,陕西 西安 710071)
一种改进的多伯努利多目标跟踪算法
王海环,王 俊
(西安电子科技大学 雷达信号处理国家重点实验室,陕西 西安 710071)
针对粒子势均衡多目标多伯努利滤波的粒子实现形式所需粒子数多、粒子退化严重的问题,将均方根容积卡尔曼滤波与粒子势均衡多目标多伯努利滤波相结合,提出均方根容积卡尔曼粒子势均衡多目标多伯努利滤波算法.该算法利用均方根容积卡尔曼滤波构建重要性密度函数,再对其进行采样获得预测粒子状态,从而提高粒子的准确性,减轻粒子退化.与基于无迹卡尔曼的粒子势均衡多目标多伯努利滤波相比,该算法更稳定,且算法性能不受目标状态维数的限制.仿真实验表明,所提算法与粒子势均衡多目标多伯努利滤波算法和基于无迹卡尔曼的粒子势均衡多目标多伯努利滤波算法相比,其跟踪精度更高.
多目标跟踪;势均衡多伯努利滤波;粒子滤波;重要性密度函数;均方根容积卡尔曼滤波
近些年,基于随机有限集(Random Finite Sets,RFS)[1]的多目标跟踪算法开辟了多目标跟踪的一个新领域,此类算法的基本思想是对目标状态和观测量进行集合建模,将单目标贝叶斯滤波推广到多目标领域,从而避免了数据关联.此类算法的典型代表有概率假设密度(Probability Hypothesis Density, PHD)滤波[2]和势分布PHD(Cardinality PHD, CPHD)滤波[3],其中,PHD滤波只传递全局后验概率密度的一阶矩,导致其在检测概率不为1时目标数目(即目标的势)估计误差较大;……
登录APP查看全文
