摘要
针对传统δ-GLMB (δ-Generalized Labeled Multi-Bernoulli)滤波和δ-JGLMB(δ-Joint Generalized Labeled Multi-Bernoulli)滤波计算复杂度较高和实际场景中目标机动的问题,文中提出了IMM-δ-FGLMB (Interactive Multi-model δ-GLMB)滤波和IMM-δ-FJGLMB (Interactive Multi-model δ-JGLMB)滤波两种跟踪算法。在滤波新生阶段提出量测驱动Bernoulli成分筛选过程(Measurement Driven for Filtrate the Bernoulli Components, MDFBC),通过利用量测信息来对新生的Bernoulli成分进行粗筛,去除无贡献的新生Bernoulli成分,进而为算法减少计算量。在滤波的预测阶段,通过利用多个模型对机动目标的状态进行交互式预测,从而避免使用单个模型进行状态预测时出现的模型失配问题。实验验证了所提算法在多机动目标跟踪和计算效率方面的优良性能。
-
单位中国电子科技集团公司第二十七研究所; 电子工程学院; 西安电子科技大学