摘要:
基于二项分布的扩展目标概率假设密度(extended target probability hypothesis density based on binominal distribution, BET-PHD)算法能够获得比泊松ET-PHD更好的跟踪性能。然而,BET-PHD中作为先验信息的检测概率和量测数目最大值在实际应用中是未知的。参数严重不匹配会导致算法性能急剧下降。鉴于已有文献给出量测数目最大值的估计方法,提出一种能够在线估计检测概率的贝塔高斯ET-PHD (beta Gaussian -ET-PHD, BG-ET-PHD)滤波器。首先采用二项分布的共轭先验贝塔分布估计检测概率,并与BET-PHD相结合得到 BG-ET-PHD。仿真结果表明,BG-ET-PHD滤波器能够准确估计检测概率,能够获得比基于泊松模型的伽马高斯ET-PHD (gamma Gaussian ET-PHD, GG-ET-PHD)更好的跟踪性能。
李文娟, 吕婧, 顾红, 苏卫民. 基于贝塔高斯概率假设密度的扩展目标跟踪[J]. 系统工程与电子技术, 2018, 40(9): 1897-1904.
LI Wenjuan, LV Jing, GU Hong, SU Weimin. Extended target tracking based on beta Gaussian probability hypothesis density[J]. Systems Engineering and Electronics, 2018, 40(9): 1897-1904.