基于ET-GM-PHD的机动多扩展目标跟踪算法

• 作者: 杨金龙 王冬 葛建良 葛洪伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多扩展目标 高斯混合概率假设密度 输入估计 航迹维持
• 年，卷（期）: 2017,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 166-172
• 页数: 7页
• 分类号: TN953
• 字数: 6089字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0363

摘要

针对原始扩展目标高斯混合概率假设密度(Extended Target Gaussian Mixture Probability Hypothesis Den-sity,ET-GM-PHD)滤波算法不能解决机动目标跟踪问题,在高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GM-PHD)滤波框架下,引入修正的输入估计算法(Modified Input Estimation,MIE),可以有效地处理多扩展目标的机动问题.此外,提出的算法虽然可以实现对未知数目的多机动扩展目标进行跟踪,但无法获得各个目标的航迹.针对此问题,进一步引入高斯分量标记方法,有效地将多机动扩展目标的航迹进行准确关联,获取各个目标的航迹.实验结果表明,提出的算法在弱机动扩展目标跟踪中具有较好的跟踪性能,同时能够有效地估计多扩展目标的航迹.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王冬	江南大学物联网工程学院	12	10	2.0	3.0
2	葛洪伟	江南大学物联网工程学院	86	456	11.0	17.0
6	杨金龙	江南大学物联网工程学院	28	103	7.0	8.0
10	葛建良	江南大学物联网工程学院	2	6	2.0	2.0