摘要:
概率假设密度(probability hypothesis density,PHD)滤波的序贯蒙特卡罗实现算法性能高度依赖于先验目标生成强度函数和粒子重要性采样(importance sampling, IS)函数。针对上述问题,提出一种改进算法。首先,引入量测驱动机制,提出一种量测分类方法获取潜在的新生目标量测集合,并以此为基础进行新生目标粒子采样,提高了算法的有效性。其次,为了提高存活目标粒子分布的准确性,结合门技术和无迹信息滤波将当前量测信息融入到IS函数设计中。计算机仿真实验表明,所提算法具有更稳健的多目标跟踪能力和杂波适应性。