改进的最适高斯近似概率假设密度滤波
最适高斯近似概率假设密度滤波是一种新颖的多机动目标跟踪算法。然而，该算法存在模型概率先验固化问题，即在计算模型概率的过程中量测信息不起作用。针对以上问题，该文提出一种改进算法，通过引入模型概率更新过程，将后验量测信息加入模型概率的计算式中，根据似然函数在多个运动模型之间进行软切换，进而实现对多个机动目标的有效跟踪。实验结果表明，改进算法能够有效解决模型概率先验固化问题，在目标数估计和滤波精度方面均优于传统算法，具有良好的工程应用前景。
随机集、概率假设密度滤波、最适高斯近似、机动目标跟踪
TN953
中国博士后科学基金2012M521713资助课题
2013-07-16（万方平台首次上网日期，不代表论文的发表时间）
共8页
239-246
