摘要:
针对现有的箱粒子概率假设密度(probability hypothesis density, PHD)群目标跟踪算法计算量大、在群数目较多时状态提取不稳定以及无法获得群的航迹等问题,提出标签箱粒子PHD群目标跟踪算法。该算法首先对量测进行预处理,剔除其中的杂波量测,以降低量测更新的计算量。然后,通过为箱粒子添加标签,区分不同的群目标,获得不同群的航迹。最后,依据不同标签提取群目标的状态,有效避免k-means聚类不稳定带来的影响。仿真实验表明,所提算法具有运算量小,在漏检环境下仍能很好地维持不同群的航迹,并在群数目较多时可准确提取群目标状态等优点。
程轩, 宋骊平, 姬红兵, 邹志彬. 标签箱粒子概率假设密度群目标跟踪算法[J]. 系统工程与电子技术, 2019, 41(8): 1677-1685.
CHENG Xuan, SONG Liping, JI Hongbing, ZOU Zhibin. Group target tracking algorithm based on labeled box particle probability hypothesis density[J]. Systems Engineering and Electronics, 2019, 41(8): 1677-1685.