Pairwise马尔科夫模型下的势均衡多目标多伯努利滤波器

摘要：

由于在实际应用中目标模型不一定满足隐马尔科夫模型(Hidden Markov model, HMM) 隐含的马尔科夫假设和独立性假设条件,一种更为一般化的Pairwise 马尔科夫模型(Pairwise Markov model, PMM) 被提出.它放宽了HMM 的结构性限制,可以有效地处理更为复杂的目标跟踪场景.本文针对杂波环境下的多目标跟踪问题,提出一种在PMM 框架下的势均衡多目标多伯努利(Cardinality balanced multi-target multi-Bernoulli, CBMeMBer) 滤波器,并给出它在线性高斯PMM条件下的高斯混合(Gaussian mixture, GM) 实现.最后,采用一种满足HMM 局部物理特性的线性高斯PMM,将本文所提算法与概率假设密度(Probability hypothesis density, PHD) 滤波器进行比较.实验结果表明本文所提算法的跟踪性能优于PHD滤波器.

关键词：隐马尔科夫模型、Pairwise马尔科夫模型、多目标跟踪、随机有限集、多伯努利密度、高斯混合

所属期刊栏目：43

分类号：TP3;TH7

资助基金：国家重点基础研究发展计划973计划2013CB329405;国家自然科学基金创新研究群体61221063;国家自然科学基金61573271,61473217,61370037资助Supported by National Basic Research Program of China973 Program2013CB329405;Foundation for Innovative Research Groups of the National Natural Science Foundation of China61221063;National Natural Science Foundation of China61573271,61473217,61370037

在线出版日期：2018-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2100-2108