王 颖

（商丘职业技术学院机电系，河南 商丘 476000）

0 引言

传统多目标滤波器在跟踪前需要建立目标与观量的关联［1-3］，因此，该类滤波器难以应用于目标数目时变的目标跟踪场景，且计算复杂度随虚警增多呈指数增长。基于有限集统计学［4］的概率假设密度（PHD）［5］滤波器绕过了复杂的数据关联，因此，受到了目标跟踪领域越来越多学者的关注［6-9］。线性高斯噪声动态系统下，高斯混合PHD（GMPHD）给出了PHD 滤波器的一种闭合解［10］。

GMPHD 滤波器具有目标状态提取简便和计算复杂度低等优点，被广泛应用于目标跟踪领域［11-13］。针对杂波环境下杂波和目标观测来源不确定的目标检测和跟踪问题，Baisa 等［14］提出一种基于GMPHD 的多目标多类型滤波（MTMTF）算法。该算法采用目标分类更新策略，克服了GMPHD 滤波器更新步中不同类型目标观测的相互干扰。然而，MTMTF算法只能处理杂波与目标观测的归属不确定性问题，无法解决近邻目标观测来源不确定的问题。标准Bayes 滤波框架下，Aoki 等［15］从理论上分析了杂波环境下，源于近邻目标的观测不确定性和观测-目标间关联等问题。然而，文献［15］仅仅从理论上给出了近邻目标观测不确定性的分析与证明，没有给出具体的实现。针对由不精确检测导致的观测来源不确定问题，Yazdian-Dehkordi 等［16］提出一种多扫描惩罚GMPHD（NSP-GMPHD）滤波器。借助于目标前N 个时刻的状态估计，NSP-GMPHD 滤波器从当前时刻后验强度中估计不同目标的状态。密集杂波跟踪场中，多扫描推测技术的引入使得NSP-GMPHD 滤波器的计算效率很低。……