改进的多扩展目标PHD滤波算法

作者：彭聪; 王杰贵; 朱克凡; 程泽新

来源：现代防御技术, 2019, 47(01): 97-110.

• 目标跟踪
• 扩展目标
• 多扩展目标高斯混合概率假设密度滤波器
• 量测划分
• 局部异常因子
• 共享最近邻相似度

在扩展目标产生量测密度差异较大的情况下,传统的基于距离划分的多扩展目标高斯混合概率假设密度(ET-GM-PHD)滤波算法计算量大,跟踪效果不佳。针对这个问题,提出了一种改进的ET-GM-PHD滤波算法,该算法首先通过局部异常因子(LOF)检测对量测集进行杂波的滤除,然后采用共享最近邻(SNN)相似度为量测划分准则。SNN相似度体现了量测分布的局部信息,考虑了量测周围的量测信息,因此利用SNN相似度划分量测密度差别较大的量测集时,划分效果比较理想。提出的算法相较于传统算法,减少了运行时间,提升了跟踪的稳定性。

• 出版日期2019
• 单位中国人民解放军国防科学技术大学