基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

摘要：

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法.算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率.运用极大似然-恒虚警(ML-CFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的.仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度.

关键词：重尾分布、中心差分法、幅值信息、极大似然估计、虚警、非线性系统、OSPA距离、信杂比

所属期刊栏目：43

分类号：TP273(自动化技术及设备)

在线出版日期：2017-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：516-523