未知测量噪声分布下的多目标跟踪算法

《未知测量噪声分布下的多目标跟踪算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第31卷第11期航空学报V01．31No．11201O年11月ACTAAERONAUTICAETASTRONAUTTCASINICANov．2010文章编号：1000—6893(2010)11-2228—10未知测量噪声分布下的多目标跟踪算法周承兴，刘贵喜(西安电子科技大学自动控制系，陕西西安710071)AMulti—targetTrackingAlgorithmUnderUnknownMeasurementNoiseDistributionZhouChengxing，LiuGuixi(DepartmentofAutomation．Xid

2、ianUniversity，Xi’an710071，China)摘要：粒子概率假设密度滤波(SMC-PHDF)在进行粒子更新时需要知道测量噪声的概率分布以计算似然函数，这使得SMC—PHDF依赖于测量噪声的概率模型。针对这一点不足，提出一种未知测量噪声分布下的多目标跟踪算法——基于风险评估的概率假设密度滤波(RE—PHDF)。该算法在SMC-PHDF进行概率假设密度(PHD)粒子更新时采用风险函数计算每个PHD粒子的风险值，并通过一个风险评估函数评估每个PHD粒子，然后用评估后的结果更新粒子的权值。由于粒子更新时避免了在多维测量空间中计算似

3、然函数，算法不仅不依赖于测量噪声的概率分布，还可以节省大量计算时间。仿真结果表明：和SMC—PHDF相比。RE—PHDF在未知的复杂测量噪声环境下具有更高的鲁棒性和稳定性；同时，在两种算法跟踪精度接近的情况下，所提算法节省了50％的运行时间。关键词：目标跟踪；随机集；概率假设密度；测量信号；噪声模型中图分类号：V249文献标识码：AAbstract：Whenupdatingparticles，aparticleprobabilityhypothesisdensityfilter(SMC—PHDF)requirestheprobabilist

4、icdistributionofmeasurementnoisetocalculatethelikelihoodfunction，whichmakesitrelyexces—sivelyontheprobabilisticmodelofmeasurementnoise．Toovercomethisdrawback，anewmultipletargettrackingalgorithmunderunknownprobabilisticdistributionofmeasurementnoiseisproposed，namely，ariskev

5、aluation-basedprobabilityhypothesisdensityfilter(RE-PHDF)．WhenSMC—PHDFupdatesprobabilityhy—pothesisdensity(PHD)particles，thealgorithmcomputestheriskofeachparticleusingariskfunction，ande—valuateseachparticlebyariskevaluationfunction，thenupdatestheparticleweightsbymeansofthe

6、evaluatedresults．Avoidingthusthelikelihoodfunctioncalculationinmulti—dimensionalmeasurementspace，thealgo—rithmdoesnotdependontheprobabilisticdistributionofmeasurementnoiseandcansavemuchcomputingtime．ThesimulationresultsshowthatRE—PHDFpossesseshigherrobustnessandstabilityun

7、derunknownandcomplicatedmeasurementnoiseenvironmentincomparisonwithSMC-PHDF．Inaddition，thenewalgo-rithmcansaveupto50％executiontimewhilepossessingsimilaraccuracyasSMC—PHDF．Keywords：targettracking；randomsets；probabilityhypothesisdensity；measurementsignals；noisemodel多目标跟踪n1的目

8、的是从与目标具有不确定对应关系的测量值中获得各个目标的状态，并估计未知且时变的目标个数，它面临着测量杂波和传感器检测率等问题。这些都使得多目标跟踪比单目标跟踪问题更为复杂。传统的