观测最优分配的gm-phd多目标跟踪算法 measurements optimal assigned gm-phd multi-target tracking algorithm.pdfVIP

第３０ 卷　第 １２ 期 信 号 处 理 Ｖｏｌ．３０　Ｎｏ．１２ ２０１４年１２月 ＪＯＵＲＮＡＬ ＯＦ ＳＩＧＮＡＬ ＰＲＯＣＥＳＳＩＮＧ Ｄｅｃ．２０１４ 观测最优分配的ＧＭＰＨＤ 多目标跟踪算法 １，２ １ １ １ 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 Ｍｅａｓｕｒｅｍｅｎｔｓ Ｏｐｔｉｍａｌ Ａｓｓｉｇｎｅｄ ＧＭＰＨＤ Ｍｕｌｔｉｔａｒｇｅｔ Ｔｒａｃｋｉｎｇ Ａｌｇｏｒｉｔｈｍ １，２ １ １ １ ＺＨＡＮＧＴａｏ 　ＬＡＩ Ｒａｎ 　ＷＵ Ｒｅｎｂｉａｏ 　ＣＨＥＮ Ｍｉｎ （１．Ｔｉａｎｊｉｎ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ａｄｖａｎｃｅｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｃｉｖｉｌ Ａｖｉａｔｉｏｎ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＣｈｉｎａ，Ｔｉａｎｊｉｎ，３００３００，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆＥｌｅｃｔｒｏｎｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｉａｎｊｉｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ａｓｄｅｓｃｒｉｂｉｎｇｔａｒｇｅｔ ｓｔａｔｅ ｓｐａｃｅ ａｎｄ ｓｅｎｓｏｒｏｂｓｅｒｖａｔｉｏｎ ｓｐａｃｅｂｙ ＲａｎｄｏｍＦｉｎｉｔｅ Ｓｅｔ （ＲＦＳ）ｍｅｔｈｏｄ，Ｐｒｏｂａｂｉｌ ｉｔｙ Ｈｙｐｏｔｈｅｓｉｓ Ｄｅｎｓｉｔｙ （ＰＨＤ）ｆｉｌｔｅｒｉｓａｐｒｏｍｉｓｉｎｇａｐｐｒｏａｃｈｆｏｒｍｕｌｔｉｔａｒｇｅｔｔｒａｃｋｉｎｇｗｉｔｈｏｕｔｃｏｎｓｉｄｅｒａｔｉｏｎｏｆｍｅａｓｕｒｅｍｅｎｔ ｔｏｔｒａｃｋ ａｓｓｏｃｉａｔｉｏｎ．Ｄｕｅ ｔｏ ｔｈｅ ｆａｃｔｔｈａｔ ｃｌａｓｓｉｃ ＧＭＰＨＤｆｉｌｅｒｈａｓｎｏｔ ｄｉｓｔｉｎｇｕｉｓｈ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔｓｏｆｓｕｒｖｉｖａｌ ｔａｒｇｅｔｓａｎｄ ｂｉｒｔｈ ｔａｒｇｅｔｓ，ａ Ｍｅａｓｕｒｅｍｅｎｔｓ Ｏｐｔｉｍａｌ Ａｓｓｉｇｎｅｄ ＧＭＰＨＤｆｉｌｔｅｒ （ＭＯＡＧＭＰＨＤ）ｉｓｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓｐａｐｅｒ，ｗｈｉｃｈ ｄｉｓｔｉｎ ｇｕｉｓｈｅｓ ｔｈｅ ｍｅａｓｕｒｅｍｅｎｔｓｓｅｔｂｙｕｓｉｎｇａｍａｘｉｍｕｍｌｉｋｅｌｉｈｏｏｄａｄａｐｔｉｖｅｇａｔｅ，ａｎｄｓｕｒｖｉｖａｌｔａｒｇｅｔｓａｎｄｂｉｒｔｈｔａｒｇｅｔｓｕｐｄａｔｅｔｈｅ ＰＨＤ ｅｓｔｉｍａｔｉｏｎ ｕｓｉｎｇ ｔｈｅ ｏｐｔｉｍａｌ ａｓｓｉｇｎｅｄ ｍｅａｓｕｒｅｍｅｎｔｓ ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌ