基于多伯努利概率假设密度的扩展目标跟踪方法

摘要：

高分辨率雷达系统中，扩展目标一般会产生多个量测。现有随机有限集(RFS)类算法一般假定扩展目标的量测数目服从泊松分布，然而这个假设与实际情况不符。针对这一问题，该文提出一种多伯努利扩展目标概率假设密度(MB-ET-PHD)跟踪算法。该算法首先假设扩展目标的量测数目服从多伯努利分布，然后通过有限集统计(FISST)理论的多目标微积分推导得到校正等式，最后给出了高斯混合(GM)框架的仿真结果。仿真结果表明该算法能够获得比泊松ET-PHD算法更好的跟踪性能。

关键词：扩展目标跟踪、概率假设密度、多伯努利

所属期刊栏目：38

分类号：TN953

资助基金：国家自然科学基金61471198 Foundation Item:The National Natural Science Foundation of China 61471198

在线出版日期：2017-01-15（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：3114-3121