高斯过程回归泊松多伯努利衍生滤波器

摘要：

针对伽马高斯逆威舍特混合泊松多伯努利(Gamma Gaussian inverse Wishart mixed Poisson multi-Bernoulli,GGIW-PMB)滤波器无法估计非椭圆形状目标的问题,提出了将泊松多伯努利滤波器与高斯过程回归模型结合的方法,可对非椭圆形状目标进行准确估计.考虑到衍生存在情形下无法有效提取衍生目标及其扩展形状的问题,提出了一种衍生目标检测及建模方法,通过量测数的变化来对衍生事件做出假设,根据真实场景关系计算衍生目标状态,实现衍生目标的检测和跟踪.在泊松多伯努利滤波器的基础上,采用高斯过程回归模型作为量测模型,结合所提衍生模型,提出了基于高斯过程回归的泊松多伯努利衍生(Gaussian process regression Poisson multi-Bernoulli filter with target spawning,GPR-PMBS)滤波器.仿真结果表明,GPR-PMBS滤波器相比于GGIW-PMB滤波器能更为准确地估计非椭圆形状目标,并且在衍生存在的情形下,也可以有效提取出衍生目标及其形状,在有衍生情况的扩展目标跟踪场景中表现出良好性能.

关键词：高斯过程回归、泊松多伯努利、衍生目标、扩展目标跟踪

所属期刊栏目：59

分类号：TP212;TN713(自动化技术及设备)

资助基金：国家自然科学基金61871301

在线出版日期：2023-11-27（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：84-91