基于模型类型匹配PHD滤波器和TBM的多目标联合跟踪分类

• 作者: 于耀中 蒋宏 詹锟 赵天衢
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 联合跟踪与分类 概率假设密度 可转移信度模型 粒子滤波 多传感器数据融合
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 电子技术
• 页码范围: 2235-2243
• 页数: 9页
• 分类号: TP721.1
• 字数: 9087字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2016.10.03

摘要

为了解决杂波和漏检下多目标的联合跟踪与分类问题,提出了模型类型匹配概率假设密度(probability hypothesis density,PHD)滤波器,同时将其与多传感器的可转移信度模型(transferable belief model,TBM)框架相结合,并用多个运动学雷达和粒子滤波递推实现.该算法对飞行器的先验信息进行估计,从而替代了属性传感器.在预测阶段,根据模型和类型对PHD滤波器进行粒子匹配;传感器得到观测结果后进行粒子权重的更新;再根据粒子对应的权重得到目标的后验状态-模型-类型分布;这些PHD滤波器可以同时得到目标的状态和类型;结合TBM和航迹粒子标签算法,得到多个传感器的融合结果.仿真表明,本文提出的模型类型匹配PHD滤波器的性能比传统多模型PHD滤波器更精确,同时多传感器的TBM框架也全面提升了算法的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋宏	北京航空航天大学自动化科学与电气工程学院	27	211	8.0	13.0
2	詹锟	北京航空航天大学自动化科学与电气工程学院	3	1	1.0	1.0
3	赵天衢	北京航空航天大学自动化科学与电气工程学院	1	0	0.0	0.0
4	于耀中	北京航空航天大学自动化科学与电气工程学院	1	0	0.0	0.0