基于GLMB滤波和Gibbs采样的多扩展目标有限混合建模与跟踪算法

• 作者: 刘伟峰 孔明鑫 张桂林 陈一梅
• 来源期刊: 自动化学报
• 关键词: 多扩展目标 有限混合模型 标签随机有限集 GLMB滤波器 Gibbs采样 BIC准则
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 论文与报告
• 页码范围: 1445-1456
• 页数: 12页
• 字数: 9349字
• 语种: 中文
• DOI: 10.16383/j.aas.c180077

摘要

本文针对杂波条件下多扩展目标的状态估计,目标个数估计,扩展目标形状估计问题,提出了一种基于标签随机有限集(Labelled random finite sets,L-RFS)框架下多扩展目标跟踪学习算法,该学习算法主要包括两方面:多扩展目标动态建模和多扩展目标的跟踪估计.首先,结合广义标签多伯努利滤波器(Generalized labelled multi-Bernoulli,GLMB)建立了扩展目标的量测有限混合模型(Finite mixture models,FMM),利用Gibbs采样和贝叶斯信息准则(Bayesian information criterion,BIC)准则推导出有限混合模型的参数来对多扩展目标形状进行学习,然后采用等效量测方法来替代扩展目标产生的量测,对扩展目标形状采用椭圆逼近建模,实现扩展目标形状与状态的估计.仿真实验表明本文所给的方法能够有效跟踪多扩展目标,并且在目标个数估计方面优于CBMeMBer算法.此外,与标签多伯努利滤波(LMB)计算比较表明:GLMB和LMB算法滤波估计精度接近,二者精度高于CBMeMBer算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘伟峰	杭州电子科技大学自动化学院系统科学与控制工程研究所	18	137	6.0	11.0
3	张桂林	中国电子科技集团公司第二十八研究所信息系统工程重点实验室	8	17	2.0	4.0
4	陈一梅	杭州电子科技大学自动化学院系统科学与控制工程研究所	1	0	0.0	0.0
7	孔明鑫	杭州电子科技大学自动化学院系统科学与控制工程研究所	1	0	0.0	0.0