箱粒子PHD演化网络群目标跟踪算法

作者：宋骊平; 刘宇航; 程轩

来源：控制与决策, 2018, 33(01): 74-80.

DOI：10.13195/j.kzyjc.2016.1422

• 演化网络模型
• 群目标跟踪
• 箱粒子滤波
• 概率假设密度

群演化网络模型对群结构的构建和实时更新提供了良好的实现方式.针对粒子概率假设密度(SMCPHD)滤波算法存在运算量大的问题,提出一种基于箱粒子概率假设密度(BP-PHD)滤波的演化网络群目标跟踪算法.将群演化网络模型得到的群结构信息反馈回BP-PHD滤波过程中,从而实现群目标的跟踪和群数目的估计.对比实验表明,所提出算法可以在保证跟踪效果的同时减少计算量,并且在杂波密集的条件下具有更好的跟踪精度和鲁棒性.

• 单位
  西安电子科技大学; 电子工程学院