GM-PHD雷达密集多目标跟踪应用研究

• 作者: 于俊朋 张强 谢苏道
• 来源期刊: 现代雷达
• 学科: 工学
• 关键词: 数据关联 密集多目标跟踪 最优多目标贝叶斯滤波器 高斯混合概率假设密度
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 数据处理
• 页码范围: 41-44,69
• 页数: 5页
• 分类号: TN953
• 字数: 2888字
• 语种: 中文
• DOI: 10.16592/j.cnki.1004-7859.2019.08.009

摘要

针对雷达密集多目标跟踪数据关联的难题,深入研究了可以避免数据关联的多目标跟踪方法-高斯混合概率假设密度算法(GM-PHD).首先,将多目标的运动和多目标量测建模为随机有限集的形式,并给出了相应的最优多目标贝叶斯滤波器;然后,在线性高斯假设条件下,详细给出了GM-PHD均值、方差和权值的递归形式,降低了计算复杂度,满足跟踪实时性要求;最后,开展了仿真实验和实测数据实验,实验结果显示GM-PHD在不需要数据关联的情况下,能够有效抑制大量杂波,稳定地跟踪密集多目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张强		29	45	4.0	6.0
3	于俊朋		14	60	4.0	7.0
9	谢苏道		2	9	1.0	2.0