为了在视域(field of view,FOV)不同的条件下实现对数量时变的不确定目标的最优跟踪,提出一种高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器的去相关算术平均(arithmetic average,AA)融合算法...为了在视域(field of view,FOV)不同的条件下实现对数量时变的不确定目标的最优跟踪,提出一种高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器的去相关算术平均(arithmetic average,AA)融合算法。鉴于多目标AA融合被分解为多组单目标分量的合并,先通过重构贝叶斯融合推导出最优去相关估计融合,后将其用作单目标分量的合并方法。由于推导的去相关估计融合需要先验估计,设计了一个包含主滤波器的分层结构,以自动提供需要的先验估计。为了解决不同FOV导致的目标势低估问题,融合节点利用FOV补偿单目标分量的权重。仿真结果证实了提出的算法在各种场景中的最优性,提升了多目标跟踪的精度。展开更多
文摘为了在视域(field of view,FOV)不同的条件下实现对数量时变的不确定目标的最优跟踪,提出一种高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)滤波器的去相关算术平均(arithmetic average,AA)融合算法。鉴于多目标AA融合被分解为多组单目标分量的合并,先通过重构贝叶斯融合推导出最优去相关估计融合,后将其用作单目标分量的合并方法。由于推导的去相关估计融合需要先验估计,设计了一个包含主滤波器的分层结构,以自动提供需要的先验估计。为了解决不同FOV导致的目标势低估问题,融合节点利用FOV补偿单目标分量的权重。仿真结果证实了提出的算法在各种场景中的最优性,提升了多目标跟踪的精度。
