基于联合GLMB滤波器的可分辨群目标跟踪

摘要

针对联合广义标签多伯努利(joint generalized labeled multi-Bernoulli, J-GLMB)滤波算法中群目标之间距离较近、容易关联错误的问题，结合超图匹配(hypergraph matching, HGM)提出一种基于HGM-J-GLMB滤波器的可分辨群目标跟踪算法。首先，采用J-GLMB滤波器估计群内各目标的状态、数目及轨迹信息，并利用HGM结果提升量测与预测状态之间的关联性能。其次，通过图理论计算邻接矩阵，获取群结构信息和子群数目。随后，利用群结构信息估计协作噪声，进而校正目标的预测状态。最后，通过平滑算法改善滤波效果，并设置轨迹长度阈值，使其在平滑状态达到消除短轨迹的目的。仿真实验表明，所提算法在线性系统下能有效提升群目标跟踪性能。

关键词