Journal of Systems Engineering and Electronics ›› 2013, Vol. 35 ›› Issue (3): 457-462.doi: 10.3969/j.issn.1001-506X.2013.03.01
• 电子技术 • 下一篇
杨金龙1,2, 姬红兵1, 刘进忙3
YANG Jin-long1,2, JI Hong-bing1, LIU Jin-mang3
摘要:
针对传统粒子概率假设密度(probability hypothesis density, PHD)滤波跟踪被动多目标时,估计精度不高,且存在粒子退化,容易导致滤波器发散的问题,提出一种新的被动多目标跟踪算法——高斯厄米特粒子PHD滤波算法。该算法采用一族高斯厄米特滤波产生的高斯分布拟合更优的重要性密度函数,充分考虑了当前时刻的最新量测,并将该方法融入高斯混合粒子PHD(Gaussian mixture particle PHD, GMP-PHD)滤波框架中,在解决观测非线性的同时,有效提高了被动多目标的跟踪精度。实验结果表明,该算法较传统的GMPPHD滤波算法具有更高的状态估计精度,且有效降低了目标的失跟率。