基于改进的概率假设密度多目标跟踪算法

基于改进的概率假设密度多目标跟踪算法*

高 丽，郭翠玲 （商丘职业技术学院，河南 商丘 476000）

【摘 要】针对多个目标相互紧邻时，概率假设密度滤波器难以正确估计当前目标个数以及目标状态问题，提出一种改进的高斯混合概率假设密度滤波算法。根据每一时刻更新后所有目标的权值构造权值矩阵，通过权值矩阵中目标权值的分布来检测当前目标权值是否存在更新错误。基于新的目标权值再分配策略，对权值矩阵中每个目标可能不正确的权值进行调整，使得每个目标能够获得合理的权值。仿真实验表明，该算法能够准确地估计紧邻目标数目以及状态。 【期刊名称】火力与指挥控制 【年(卷),期】2017(042)003 【总页数】5

【关键词】多目标跟踪，高斯混合，概率假设密度，权值更新 【

文

献

来

源

】

https://www.zhangqiaokeyan.com/academic-journal-cn_fire-control-

command_thesis/0201227018839.html

0 引言

随机有限集（random finite sets，RFS）理论［1］是一种新兴的研究多目标跟踪问题的有效理论工具，它以贝叶斯框架为基础，从目标集合分布的角度给出了杂波环境下目标数目未知且时变的多目标跟踪建模理论。概率假设密度（probability hypothesis density，PHD）［2］采用RFS的一阶矩近似多目标后验概率密度函数，粒子滤波PHD（particle filter PHD）［3］和高斯混合PHD（Gaussian Mixture PHD）［4］是PHD滤波的两类主要实现方法。 线性高斯假设条件下，高斯混合PHD因具有计算量小、目标状态提取简单和