高斯过程回归模型多扩展目标多伯努利滤波器

摘要：

针对复杂不确定性环境下不规则形状的多扩展目标跟踪问题,本文提出了一种基于高斯过程回归(GPR)模型的多扩展目标多伯努利(GPR–ETCBMeMBer)滤波算法.首先,在利用有限集统计理论(FISST)将多扩展目标的状态集与量测集分别建模为多伯努利随机有限集(MBer RFS)和泊松随机有限集(Poisson RFS)的基础上,通过GPR方法建立多扩展目标随机超曲面的跟踪滤波模型.然后,基于容积卡尔曼滤波器(CKF)详细推导并提出GPR多扩展目标多伯努利滤波算法的高斯混合(GM)实现.最后,通过构造对星凸形多扩展目标和多群目标跟踪的仿真实验验证了本文所提算法的有效性.

关键词：多扩展目标跟踪、随机超曲面、高斯过程回归、随机有限集、多伯努利滤波器

所属期刊栏目：37

资助基金：国家国防基础科研项目;国家自然科学基金项目;甘肃省科技计划项目

在线出版日期：2020-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1931-1943