文档介绍：GM―CPHD自适应门限目标跟踪算法研究
摘要:该文提出利用一种最大似然自适应门限的快速算法,该算法首先利用自适应的对观测进行门限处理,然后仅利用处于门限内的有效观测进行GM-CPHD算法的更新步计算,大大降低了算法的计算复杂度。
关键词:多目标跟踪;带有势估计的概率假设密度滤波;自适应门限; GM-CPHD算法
中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2014)20-4804-02
GM-CPHD Adaptive Threshold Target Tracking Algorithm Research
ZHANG Qi-wen, LIU Zhong-yi
(Radar Department of Navy Submarine Academy, Qingdao 266042,China)
Abstract: Due to the fact that classic GM-CPHD filer has a plexity, a adaptive gating algorithm is proposed in this paper, which reduces the measurements set by using a max likelihood adaptive gate, and only the measurement falling into the gate can be used to update the PHD estimation.
Key words: Multitarget tracking;Track-Before-Detect(TBD);Gaussian mixture CPHD; Adaptive gating
1 概述
多目标跟踪作为一个重要的理论和实践问题,最近几年被研究的比较深入,多目标跟踪就是利用传感器所获得的量测对多个目标的状态进行持续地估计和预测。目前主要有两类方法。一类是传统的基于数据关联的多目标跟踪方法[1][2]。该方法首先采用数据关联技术确定传感器测量和目标源之间的对应关系,然后再对每个目标的状态分别进行估计。另一类是非关联的多目标跟踪算法,主要是基于随机有限集理论(Random Finite Set,RFS)的方法[3][4]。
2007年mahler提出了势概率假设密度(Cardinalized PHD,CPHD)滤波器[5]。相比PHD滤波器,CPHD滤波器在传递PHD的同时传递目标数的分布函数,从而获得了更好的估计效果。但是CPHD的计算量十分巨大,即使是具有封闭形式解的高斯混合实现方法GM-PHD其计算复杂度仍为[Onm3],其中[n]为跟踪的目标数,[m]为观测数,远高于GM-PHD滤波器的[Onm]。特别是在高杂波强度的情况下,GM-CPHD滤波器计算十分复杂。
2 GM-CPHD滤波器
GM-CPHD算法是在保持CPHD滤波器的原始假设的前提下,在线性高斯框架下实现的具有封闭解形式的势概率假设密度滤波器。其实现需满足下面相关前提条件[9]。
状态模型即测量模型均满足线性高斯特性即
3 最大似然自适应门限方法
由GM-CPHD滤波器算法可知,而其计算复杂度为[Onm3],与观测数[m