10.3969/j.issn.1002-0640.2023.06.008
基于SCKF的GM-δ-GLMB多目标跟踪算法
多目标跟踪场景中,目标状态和量测均为随机分布.以高斯混合δ广义标签多目标多伯努利分布(gaussian mixture δ-generalized labeled multi-bernoulli filter,GM-δ-GLMB)为代表的多目标跟踪方法,将状态和量测使用多目标多伯努利分量表示,通过多伯努利分量递推,实现对目标的跟踪与估计.GM-δ-GLMB在非线性多目标跟踪场景下会出现跟踪性能下降的问题.针对这一问题,将均方根容积卡尔曼与GM-δ-GLMB相结合,提高了GM-δ-GLMB算法在非线性场景的跟踪精度.同时,为减少运算复杂度和杂波对估计结果的影响,采用统计门限和最大似然概率策略,获取候选量测,用于多目标分量的更新.仿真结果表明,所提出的方法在非线性跟踪场景下具有良好的估计精度.
多目标跟踪、多目标多伯努利、高斯混合、均方根容积卡尔曼、统计门限
48
TP391.41(计算技术、计算机技术)
山西省自然科学基金面上基金资助项目20210302123186
2023-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
49-54