基于箱式粒子滤波的群目标跟踪算法
在现有群目标跟踪方法中,粒子滤波(Particle filter, PF)算法常被用来解决点量测的非线性滤波问题。而当量测数据受到测量偏差或未知分布边界误差的影响时,传感器获得的点量测需要转换成区间量测,此时原有PF 算法不能直接适用。因此,本文提出基于广义似然(Generalized likelihood, GL)函数加权的PF算法。该算法在原有PF算法的基础上,利用广义似然函数的积分解来计算区间量测下的粒子权重。为了降低算法的运算量问题,又提出基于箱式粒子滤波(Box particle filter, Box-PF)的群跟踪算法。首先,在目标状态空间内抽样矩形区域的箱式粒子。然后采用区间分析和约束传播方法,利用区间量测压缩后的粒子与预测粒子的容积比来计算粒子权重。最后,在群目标状态估计结果和群演化网络模型的基础上估计群结构。仿真实验结果表明,与GL-PF算法相比, Box-PF算法具有更高的运算效率,并能降低估计结果中的峰值误差。
群目标、跟踪、箱式粒子滤波、广义似然函数、演化网络模型、区间分析、峰值误差
TN9;TP3
Manuscript received April 3,2014;accepted October 27,2014国家自然科学基金青年基金61102109;航空科学基金项目20120196003;空军工程大学防空反导学院“研究生科技创新基金”项目HX1112资助Supported by National Natural Science Foundation of Youth Fund of China61102109;Aviation Science Foundation Project20120196003;Postgraduate Scientific Innovation Founda-tion Project of Air and Missile Defense College, Air Force Engi-neering UniversityHX1112
2015-05-18（万方平台首次上网日期，不代表论文的发表时间）
共14页
785-798
