摘要: |
基于概率假设密度粒子滤波的多目标检测前跟踪方法(PF-PHD-TBD)存在目标数目估计不准确、状态估计精度不高等问题。借鉴Rao-Blackwellised粒子滤波(RBPF)将目标的状态空间进行降维分解,分别采用线性与非线性滤波器进行跟踪的思想,在PF-PHD-TBD的预测与更新过程中采用RBPF方法,以最优卡尔曼滤波对目标速度分量进行处理,以粒子滤波对位置分量进行处理,显著降低了运算复杂度,相比仅使用粒子滤波时过分依赖目标位置信息的缺点,充分利用了位置与速度之间的关联特性,提高了目标数目估计的准确度和状态估计的精度。最后用仿真实验验证了所提方法的有效性。 |
关键词: Rao-Blackwellised粒子滤波 概率假设密度滤波 多目标检测前跟踪 线性状态 非线性状态 |
DOI: |
分类号: |
基金项目:国家自然科学基金(No.61201445;61179017);“泰山学者”建设工程经费资助项目 |
|
|
|
|
Abstract: |
|
Key words: |