基于多伯努利概率假设密度的扩展目标跟踪方法
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。
扩展目标跟踪、概率假设密度、多伯努利
38
TN953
国家自然科学基金61471198 Foundation Item:The National Natural Science Foundation of China 61471198
2017-01-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
3114-3121