基于单声矢量传声器虚拟扩展的多机动声目标跟踪算法
为解决单声矢量传声器(Acoustic vector sensor,AVS)可跟踪声目标数目少、跟踪性能差的问题,提出了基于AVS虚拟扩展的多机动声目标跟踪算法.首先,引入高阶累积量预处理过程并建立高阶似然函数,不仅能够抑制高斯噪声、提高估计精度,还可通过AVS的虚拟扩展增加可跟踪目标数目.然后,在边缘化δ广义标签多伯努利(Marginalizedδ-generalized label multi-bernoulli,Mδ-GLMB)滤波框架下,提出了基于累积量的增广运动模型状态的Mδ-GLMB(Cu-mulants-based augumented motion model state Mδ-GLMB,Cum-AMMS-GLMB)算法.算法引入多种运动模型,并将表征不同模型的索引标号作为目标状态的增广参数,通过各模型间的加权混合获取优于单一运动模型的跟踪性能.除此之外,算法的序贯蒙特卡洛(Sequential Monte Carlo,SMC)实现过程中,依据高阶预处理获得的归一化空间谱拟合检测概率函数,抑制了杂波向可用粒子扩展,进一步增强了高似然区域的粒子.最后,推导了AVS目标跟踪的后验克拉美罗下界(Posterior cramér-rao lower bound,PCRLB),并通过仿真实验验证了算法的量测噪声抑制能力和声目标跟踪性能.
声矢量传声器、高阶累积量、虚拟扩展、广义标签多伯努利滤波、多目标跟踪
49
TN953;TP391;TB535
国家自然科学基金12174314
2023-03-08(万方平台首次上网日期,不代表论文的发表时间)
共16页
383-398