高斯过程回归模型多扩展目标多伯努利滤波器

• 作者: 李国财 杜金瑞 陈辉 韩崇昭
• 来源期刊: 控制理论与应用
• 关键词: 多扩展目标跟踪 随机超曲面 高斯过程回归 随机有限集 多伯努利滤波器
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1931-1943
• 页数: 13页
• 语种: 中文
• DOI: 10.7641/CTA.2020.90978

摘要

针对复杂不确定性环境下不规则形状的多扩展目标跟踪问题,本文提出了一种基于高斯过程回归(GPR)模型的多扩展目标多伯努利(GPR–ETCBMeMBer)滤波算法.首先,在利用有限集统计理论(FISST)将多扩展目标的状态集与量测集分别建模为多伯努利随机有限集(MBer RFS)和泊松随机有限集(Poisson RFS)的基础上,通过GPR方法建立多扩展目标随机超曲面的跟踪滤波模型.然后,基于容积卡尔曼滤波器(CKF)详细推导并提出GPR多扩展目标多伯努利滤波算法的高斯混合(GM)实现.最后,通过构造对星凸形多扩展目标和多群目标跟踪的仿真实验验证了本文所提算法的有效性.