作者:张光华 连峰 韩崇昭 姚玲玲扩展目标跟踪随机有限集数据关联高斯混合
摘要:针对杂波环境下多扩展目标跟踪中数据关联过程复杂的问题,提出一种可同时估计扩展目标状态和目标数的高斯混合扩展目标多伯努利(GM—ET-MBer)滤波器,该滤波器无需对测量与扩展目标进行关联。首先采用伯努利随机有限集和泊松随机有限集分别描述扩展目标的状态和观测;然后结合扩展目标状态的预测信息,推导了扩展目标状态的更新方程,并在线性高斯条件下采用高斯混合方法递推地对扩展目标的状态进行估计跟踪。与高斯混合扩展目标概率假设密度(GM—ET—PHD)滤波器相比,GM-ET—MBer滤波器有效地提高了对目标数的估计精度。仿真结果表明,GM—ET—MBer滤波器和GM—ET-PHD滤波器对目标数估计的标准偏差分别为0.2673和0.3953,可知所提滤波器对目标数的估计更稳定。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社