科研之友
微信
新浪微博
Facebook
分享链接
摘要
满足共轭先验性质的泊松多伯努利混合滤波器（Poisson multi-Bernoulli mixture，PMBM）将目标状态分为泊松和多伯努利混合两部分，分别对这两部分进行预测和更新，具有较高的跟踪精度和较快的运行速度。在多目标机动场景下，使用单一模型不足以描述目标的运动，将导致跟踪性能的下降。针对这一问题，提出了一种交互多模型（interacting multiple model，IMM）PMBM滤波器，充分利用模型之间的交互信息，可以有效实现多机动目标的跟踪。同时该算法采用序贯蒙特卡罗（sequential Monte Carlo，SMC）方法实现PMBM滤波，可应用于非线性场景。仿真结果表明，所提的IMM-SMC-PMBM算法可以有效地在非线性环境下跟踪数目变化的多机动目标，与交互多模型序贯蒙特卡洛概率假设密度(probability hypothesis density，PHD)滤波器相比具有更好的跟踪精度和稳定性。
-
单位电子工程学院; 西安电子科技大学
