系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2013年
1期
9-14
,共6页
机动目标跟踪%高斯混合基数概率假设密度%交互多模型%变机构多模型
機動目標跟蹤%高斯混閤基數概率假設密度%交互多模型%變機構多模型
궤동목표근종%고사혼합기수개솔가설밀도%교호다모형%변궤구다모형
针对交互多模型(interacting multiple model,IMM)在多机动目标跟踪算法中存在的缺陷以及目标跟踪精度问题,提出了基于变结构多模型(variable structure multiple model,VSMM)的高斯混合基数概率假设密度(Gaussian mixture cardinalized probability hypothesis density,GMCPHD)滤波算法.该算法利用了VSMM具有自适应性、时变性的特点,达到了在某一时刻能够选取与目标运动模式相匹配的模型集合的目的,相比于IMM考虑的仅是固定的模式集合具有很强的优越性.此外,GMCPHD滤波算法不仅避免了数据关联问题,而且通过高斯分布递推PHD函数的同时递推基数分布.最后,利用雷达作为传感器,对跟踪机动目标进行仿真,证明VSMM相比于IMM对于多机动目标跟踪更具有优越性,同时验证了VSMM-GMCPHD滤波算法具有提高机动目标跟踪精度,减小跟踪误差的作用.
針對交互多模型(interacting multiple model,IMM)在多機動目標跟蹤算法中存在的缺陷以及目標跟蹤精度問題,提齣瞭基于變結構多模型(variable structure multiple model,VSMM)的高斯混閤基數概率假設密度(Gaussian mixture cardinalized probability hypothesis density,GMCPHD)濾波算法.該算法利用瞭VSMM具有自適應性、時變性的特點,達到瞭在某一時刻能夠選取與目標運動模式相匹配的模型集閤的目的,相比于IMM攷慮的僅是固定的模式集閤具有很彊的優越性.此外,GMCPHD濾波算法不僅避免瞭數據關聯問題,而且通過高斯分佈遞推PHD函數的同時遞推基數分佈.最後,利用雷達作為傳感器,對跟蹤機動目標進行倣真,證明VSMM相比于IMM對于多機動目標跟蹤更具有優越性,同時驗證瞭VSMM-GMCPHD濾波算法具有提高機動目標跟蹤精度,減小跟蹤誤差的作用.
침대교호다모형(interacting multiple model,IMM)재다궤동목표근종산법중존재적결함이급목표근종정도문제,제출료기우변결구다모형(variable structure multiple model,VSMM)적고사혼합기수개솔가설밀도(Gaussian mixture cardinalized probability hypothesis density,GMCPHD)려파산법.해산법이용료VSMM구유자괄응성、시변성적특점,체도료재모일시각능구선취여목표운동모식상필배적모형집합적목적,상비우IMM고필적부시고정적모식집합구유흔강적우월성.차외,GMCPHD려파산법불부피면료수거관련문제,이차통과고사분포체추PHD함수적동시체추기수분포.최후,이용뢰체작위전감기,대근종궤동목표진행방진,증명VSMM상비우IMM대우다궤동목표근종경구유우월성,동시험증료VSMM-GMCPHD려파산법구유제고궤동목표근종정도,감소근종오차적작용.
