10.19678/j.issn.1000-3428.0047524
基于边缘卡尔曼滤波的GM-PHD多目标被动跟踪算法
针对杂波干扰条件下,非线性、个数时变的多目标被动跟踪问题,提出一种基于边缘卡尔曼滤波的高斯混合概率假设密度(PHD)滤波算法.采用边缘化变换计算目标状态的概率分布特性,获得目标状态及其协方差矩阵估计的闭式解,解决目标模型非线性问题.利用量测信息生成新生目标强度,使滤波器具备对观测空间任意位置随机出现新目标的跟踪能力.实验结果表明,与扩展卡尔曼PHD算法、无迹卡尔曼PHD算法和容积卡尔曼PHD算法相比,该算法在生成目标轨迹、目标个数估计和跟踪精度等方面有更好的性能.
多目标跟踪、随机有限集、边缘卡尔曼滤波、概率假设密度、量测驱动
44
TP391(计算技术、计算机技术)
2018-11-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
279-284