多模型概率假设密度平滑器

摘要：

针对杂波环境下的多个机动目标跟踪问题,本文将多模型概率假设密度(Multiple-model probability hypothesis density,MM-PHD)滤波器和平滑算法相结合,提出了MM-PHD前向-后向平滑器.为了避免引入复杂的随机有限集(Random finite set,RFS)理论,本文根据PHD的物理空间(Physical space)描述法推导得到了MM-PHD平滑器的后向更新公式.由于MM-PHD前向-后向平滑器的递推公式中包含有多个积分,因此它在非线性非高斯条件下没有解析的表达形式.故本文又给出了它的序贯蒙特卡洛(Sequential Monte Carlo,SMC)实现.100次蒙特卡洛(Monte Carlo,MC)仿真实验表明,与MM-PHD滤波器相比,MM-PHD平滑器能够更加精确地估计多个机动目标的个数和状态,但MM-PHD平滑器存在一定的时间滞后,并且需要耗费更大的计算代价.

关键词：多个机动目标跟踪、概率假设密度滤波器、概率假设密度平滑器、交互式多模型

所属期刊栏目：36

分类号：TP3(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划项目2007CB311006;国家自然科学基金60574033

在线出版日期：2010-09-29（万方平台首次上网日期，不代表论文的发表时间）

页码：939-950