科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于随机有限集的高斯混合概率假设密度(GM-PHD)滤波是处理多目标跟踪问题的一种有效方法。GM-PHD滤波器在密集杂波环境中会因估计误差过大而导致跟踪性能的下降，主要是因为没有充分考虑来自多目标量测的不确定性。为此，提出在考虑高斯分量权重的情况下，通过分量值改变协方差更新式，并通过引入标签，采用自适应阈值对高斯分量进行合并。理论分析和仿真结果表明：该方法在杂波环境下，目标最优次模式分配距离小，跟踪精度更高；目标数量的估计结果受杂波的影响更小，其估计值更接近真实的目标数量；通过具有不同杂波以及检测概率条件的跟踪场景，证明了该方法的目标数量估计精度和滤波性能明显好于传统算法。
-
单位空军工程大学; 空军工程大学防空反导学院
