10.3969/j.issn.1001-2400.2011.01.019
并行高斯粒子滤波被动多目标跟踪新算法
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.
多目标跟踪、数据关联、高斯粒子滤波、马尔可夫链蒙特卡罗
38
TN953
国家自然科学基金资助项目6871074
2011-05-30（万方平台首次上网日期，不代表论文的发表时间）
共6页
117-122
