基于多目标灰狼优化的PHD粒子滤波改进算法

摘要：

针对传统PHD粒子滤波算法存在目标数目估计精度低且位置估计误差大的缺陷,提出一种结合多目标灰狼优化的PHD(MOGWO-PHD)粒子滤波算法.该算法在预测和更新过程之间加入多目标灰狼优化算法,利用最新的观测信息将预测后的粒子集进行重新优化分布,使粒子移动至目标存在的高似然概率区域,减轻重采样后易出现的粒子贫乏问题;然后使用基于密度聚类(DBSCAN)算法对粒子进行聚类并提取目标状态.仿真结果表明,在不同杂波密度下,MOGWO-PHD算法对目标数目和状态的估计精度均优于传统PHD粒子滤波算法.

关键词：概率假设密度、粒子滤波、多目标灰狼优化、密度聚类

所属期刊栏目：34

分类号：TN957

资助基金：装备预研领域基金项目61404130212

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：104-110