并行高斯粒子滤波被动多目标跟踪新算法

作者：张俊根; 姬红兵; 蔡绍晓

来源：西安电子科技大学学报, 2011, 38(01): 117-122.

• 多目标跟踪
• 数据关联
• 高斯粒子滤波
• 马尔可夫链蒙特卡罗 multi-target tracking
• data association
• Gaussian particle filter
• Markov chain Monte Carlo

针对多目标跟踪的数据关联及多目标状态空间尺寸随目标数增多而增长的问题,提出了一种跟踪新算法,假定各目标的状态与过去的观测相互独立,可以多路并行处理,采用马尔可夫链蒙特卡罗(MCMC)方法计算目标与观测的关联概率,利用高斯粒子滤波(GPF)独立估计单个目标的状态,采用拟蒙特卡罗(QMC)方法近似各目标的预测及更新分布.将该算法应用于被动多传感器多目标跟踪,仿真结果表明,所提算法比联合概率数据关联滤波器(JPDAF)、马尔可夫链蒙特卡罗数据关联滤波(MCMCDAF)及蒙特卡罗联合概率数据关联滤波(MC-JPDAF)具有更好的跟踪性能.

• 单位
  西安电子科技大学; 电子工程学院