基于多目标不确定性改进的GM-PHD滤波器
基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法.GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降,主要是因为没有充分考虑来自多目标量测的不确定性.为此,提出在考虑高斯分量权重的情况下,通过分量值改变协方差更新式,并通过引入标签,采用自适应阈值对高斯分量进行合并.理论分析和仿真结果表明:该方法在杂波环境下,目标最优次模式分配距离小,跟踪精度更高;目标数量的估计结果受杂波的影响更小,其估计值更接近真实的目标数量;通过具有不同杂波以及检测概率条件的跟踪场景,证明了该方法的目标数量估计精度和滤波性能明显好于传统算法.
多目标跟踪、随机有限集、高斯混合概率假设密度滤波器、高斯混合、状态估计
43
V556;TP391(地面设备、试验场、发射场、航天基地)
陕西省自然科学基础研究计划项目2022JQ-679
2023-01-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
3113-3121