多传感器多目标跟踪的粒子phd滤波算法

《多传感器多目标跟踪的粒子phd滤波算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据传感器与微系统(TransducerandMicrosystemTechnologies)2010年第29卷第4期多传感器多目标跟踪的粒子PHD滤波算法郝燕玲1，孟凡彬1⋯，张崇猛2，蔡艺峰2，王素鑫2(1．哈尔滨工程大学自动化学院，黑龙江哈尔滨1500012．天津航海仪器研究所，天津300131)摘要：针对单传感器跟踪系统的缺陷，提出了基于粒子概率假设密度(PHD)滤波的多传感器多目标跟踪算法。这种算法不仅避免了多传感器多目标跟踪的数据关联问题，而且在漏检、目标密集、航迹交叉、小范围内目标数多的杂波环境下能够

2、稳定、精确地估计目标状态和目标数。仿真实验比较了单传感器粒子PHD滤波与多传感器的粒子PHD滤波的跟踪性能，验证了该方法的跟踪性能和精度。关键词：随机有限集；多传感器；多目标跟踪；粒子滤波；概率假设密度中图分类号：TP274；TN713文献标识码：A文章编号：1000-9787(2010)04-0018-04ParticlePHDfilteralgorithmformultisensormultitargettrackingHA0Yan—lin91，MENGFan．binl，2，ZHANGChong．men92，CAI

3、Yi—fen92，WANGSu—xin2(1．CollegeofAutomation，HarbinEngineeringUniversity，Harbin150001，China；2．TianjinNavigationInstrumentResearchInstitute，Tianjin300131，China)Abstract：Inordertoavoidtheflawofsingle—sensortrackingsystem，amuhisensormuhitargettrackingalgorithmbasedon

4、particleprobabilityhypothesisdensity(PHD)filterisproposed．Thisalgorithmcannotonlyavoiddataassociationproblemofmultisensormuhitargettracking，butalsocantrackatime—varyingnumberoftargetsrobustlyandtheirstatesundermissdetection，densetarget，crosstrackandlargenumberof

5、targetsunderclutterenvironment．achievingreal—timeperformance．SimulationresultvalidatedmuhisensorwithparticlePHDfilterperformanceandcomparedsinglesensorparticlePHDwithandmultisensorwithparticlePHDfilterperformance．Keywords：randomfinitesets；muhisensor；multitargett

6、racking；particlefilter；probabilityhypothesisdensity0引言多传感器多目标跟踪在战场监视、导航、避障、机器人和医学诊断等领域具有重要作用。多目标跟踪的挑战性问题：一方面单一传感器获得的仅是环境特征的局部、片面的信息，它的信息量是非常有限的⋯。传感器的观测包括目标产生的观测和非目标产生的观测(如，杂波，虚警，ESM等)。另一方面，目标的位置随时间变化，同时，由于新目标的出现、旧目标的消失，目标的数量也会随时间变化。特别是存在多个目标航迹交叉或相似或小范围内目标数过多时，再用

7、传统的数据关联算法处理，在多目标跟踪过程中，常常会出现目标的失跟和误跟现象¨一o。为了克服以上问题，本文提出了基于序贯蒙特卡洛实现的概率假设密度(SMCPHD)滤波的多传感器多目标跟踪方法。本文利用随机有限集(RFS)。3。o描述了多传感器多目标的状态模型和观测模型，回顾了概率假设密度(PHD)滤收稿日期：2010-02-23波方法，并将粒子PHD滤波¨1的单传感器多目标跟踪扩展到多传感器多目标跟踪，构造一种2个同类传感器的序贯融合来跟踪多目标的粒子PHD滤波算法。然后，将这种方法应用到方位和距离跟踪系统中，在强杂波、

8、目标密集、航迹交叉、小范围内目标数多的环境下进行估计目标状态和目标数。并通过Matlab进行仿真实验验证了该方法的跟踪性能和精度。1随机集理论和多目标跟踪问题1．1RFS的定义RFS的定义和随机变量的定义方法类似，随机变量处理的是随机点函数，而随机集处理的是随机集值函数。定义1(随机有限集)：设E是欧式空间尺“的有界闭子集，F(E