用于机动目标跟踪的多模型概率假设密度滤波器
针对概率假设密度(PHD)滤波器在多目标跟踪问题中无法解决目标发生较大机动时的目标丢失问题,提出了一种多模型概率假设密度(MM-PHD)滤波器.这种MM-PHD滤波器在粒子PHD滤波器的基础上,使用多模型方法对滤波器中每个描述目标状态的粒子的状态进行更新,再将更新后的粒子代入传统的PHD滤波器中用于估计目标的PHD的分布.该滤波器结合PHD滤波器和多模型方法的特点,可用于目标数未知的多机动目标跟踪,且对目标的数量和状态的估计更加准确.多机动目标跟踪的仿真实验表明,与已有方法相比,该滤波器对目标数的估计与真实情况基本一致,描述多目标状态估计误差的Wasserstein距离值降低了50%以上.
机动目标跟踪、概率假设密度、多模型、估计
45
TP274(自动化技术及设备)
国家自然科学基金创新研究群体科学基金资助项目60921003;国家"973计划"资助项目2007CB311006;国家自然科学基金资助项目61074176
2012-03-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5