基于演化网络模型的箱粒子CPHD群目标跟踪

摘要：

提出一种基于演化网络模型和区间分析的群目标势概率假设密度(cardinalized probability hypothesis density,CPHD)滤波算法.针对传统的粒子CPHD群目标跟踪算法中粒子数多、运算量大的问题,采用箱粒子实现CPHD滤波器,减少了粒子数,降低了运算量.算法通过对群目标状态采用CPHD滤波进行预测更新,并使用所获得的群信息修正群内目标的状态,进而实现对群质心的跟踪和群目标的势估计.仿真对比实验表明,所提算法在达到与传统算法相似估计性能的条件下,大幅降低了算法的运算量,同时在强杂波环境下也具有更为突出的优势.

关键词：群目标跟踪、箱粒子滤波、区间分析、演化网络模型、势概率假设密度滤波

所属期刊栏目：40

分类号：TN953

资助基金：国家自然科学基金61372003资助课题

在线出版日期：2018-05-21（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：961-967