观测最优分配的GM-PHD多目标跟踪算法.pdfVIP

第 30卷 第 12期 信 号 处 理 V01．30 No．12 2014年 12月 J0URNALOFSIGNALPROCESSING Dec．2014 观测最优分配的GM-PHD多 目标跟踪算法 章 涛 来 燃 吴仁彪 陈 敏 (1．中国民航大学天津市智能信号与图像处理重点实验室，天津300300； 2．天津大学电子信息工程学院，天津300072) 摘 要：概率假设密度滤波器将 目标的状态空间及观测空间描述为随机有限集合的形式，有效避免了多 目标跟 踪中复杂的数据关联问题。但对于不同类型的目标使用同样的全部观测数据集进行目标状态更新 ，未对观测数 据进行合理分配，导致估计性能下降。该文提出一种观测最优分配的高斯混合概率假设密度多 目标跟踪算法 (MOA．GM—PHD)，将 目标分为已有 目标和新生 目标两类，推导极大似然门限来获得两类 目标对应的最优观测数 据，再分别进行目标状态更新。实验结果表明，该文方法 目标跟踪效果优于传统GM—PHD滤波器。 关键词：多 目标跟踪；高斯混合概率假设密度滤波器；观测最优分配 中图分类号：TP391 文献标识码：A 文章编号：1003—0530(2014)12—1419—08 M easurementsOptimalAssignedGM —PHD M ulti-targetTrackingAlgorithm ZHANG Tao · LAIRan WU Ren．biao CHEN Min (1．TianjinKeyLaboratoryforAdvancedSignalProcessing，CivilAviationUniversityofChina，Ti粕jin，300300，China； 2．SchoolofElectronicInformationEngineering，TianjinUniversity，Tianjin300072，China) Abstract： AsdescribingtargetstatespaceandsensorobservationspacebyRandomFiniteSet(RFS)method，Probabil— ityHypothesisDensity(PHD)filterisapromisingapproachofrmulti—targettrackingwithoutconsiderationofmeasurement— to—trackassociation．DuetothefactthatclassicGM—PHDfilerhasnotdistinguishthemeasurementsofsurvivaltargetsand birthtragets，aMeasurementsOptimalAssignedGM—PHDfilter(MOA—GM—PHD)isproposedinthispaper，whichdistin· ngishesthemeasurementssetbyusingam~imum likelihoodadaptivegate，andsurvivaltargetsnadbirthtragetsupdatehte PHDestimationusingtheoptimal assing edmeasurementsrespectively．Simulationresultsshow thattheproposedalgorithm obtainedanimprovedperfomr nace． Keywords： multi—targettracking；gaussianmixtureprobabilityhypothesisdensity；measurementsoptimalassignment 联技术确定