基于高斯混合概率假设密度滤波器的多扩展目标跟踪

【摘要】：随着传感器技术的不断发展,扩展目标跟踪技术在导弹定位、战场监视、智能交通以及医疗诊断等军事和民用领域的应用日益凸显。对于杂波环境下的扩展目标跟踪问题,由于单个扩展目标在每一个采样时刻产生多个量测,需要解决的首要问题就是量测集划分。能否正确划分扩展目标量测集,直接决定了后续的扩展目标状态估计性能。本文在扩展目标量测集划分的基础上,利用高斯混合概率假设密度滤波算法实现对多扩展目标的跟踪。针对扩展目标量测集划分问题,本文利用了两种扩展目标量测集的划分方法,即距离划分和K-means++划分,首先对扩展目标的观测集进行划分。其次在Matlab环境下,利用高斯混合概率假设密度滤波算法分别对两种划分方法实现的扩展目标跟踪进行仿真。仿真结果表明,与K-means++划分方法相比,距离划分的扩展目标跟踪性能较好。针对杂波环境下,由于多个扩展目标产生量测数巨大以及杂波的存在导致的量测不确定性,使得前述方法中的量测划分过程不能得到理想结果的问题。为了提高利用量测集划分实现扩展目标跟踪的精度,本文利用了一种基于近邻传播聚类的扩展目标量测集划分方法。该量测划分方法首先采用密度分析技术对量测集进行预处理,将杂波量测和扩展目标量测分开,其次使用近邻传播聚类技术对扩展目标量测集进行划分,从而减少了划分数目。最后利用高斯混合概率假设密度滤波算法对该划分方法实现的多扩展目标跟踪进行仿真研究。仿真结果表明,与前两种划分方法相比,该算法使扩展目标的跟踪性能有很大提升。