基于箱粒子濾波的多目標跟蹤算法研究.pdf

1、目標跟蹤由于應用廣泛，受到了專家學者的普遍關(guān)注。在實際的跟蹤場景中，感興趣的目標往往不止一個，隨著運動目標的出現(xiàn)和消失，目標的數(shù)目也是實時變化的，相應的多目標跟蹤技術(shù)取得了巨大的發(fā)展。箱粒子濾波是近年來新提出的一種廣義的粒子濾波方法，具有所需粒子數(shù)目少，計算復雜度低，計算效率高等優(yōu)點。本文在箱粒子濾波基礎(chǔ)上，對多目標跟蹤方法進行了深入研究。
　　介紹了箱粒子濾波的理論基礎(chǔ)。箱粒子濾波本質(zhì)上是廣義的粒子濾波算法，它將區(qū)間分析這一數(shù)學

2、工具與傳統(tǒng)的蒙特卡洛算法相結(jié)合，用箱粒子代替了最大誤差已知的點粒子，是一種處理非精確量測的方法。跟傳統(tǒng)的粒子濾波算法相比箱粒子濾波算法體現(xiàn)出了良好的性能，在保持跟蹤精度的前提下，所用粒子數(shù)目少，減少了算法的計算量，節(jié)省了運算時間，極大的提高了運算效率。
　　本文在箱粒子和隨機集的基礎(chǔ)上，提出了一種新的多目標跟蹤方法，箱粒子勢概率假設(shè)密度濾波方法（BP-CPHD）。該算法保持了箱粒子濾波算法優(yōu)點，又結(jié)合了CPHD濾波的優(yōu)勢。與傳統(tǒng)的

3、粒子 CPHD算法相比，它的計算復雜度低，運算效率高。與基于箱粒子的概率假設(shè)密度（BP-PHD）算法相比，不需要對目標數(shù)目的分布做出符合泊松分布的假設(shè)，較好的解決了濾波器對雜波和漏檢的敏感問題。通過遞推目標數(shù)目的勢分布，對目標數(shù)目做出了偏差更小的估計，從而提高了跟蹤效果。
　　在機動目標跟蹤問題中，結(jié)合提出的基于箱粒子的勢概率假設(shè)密度濾波（BP-CPHD）算法和交互多模型算法，提出了交互多模型的箱粒子勢概率假設(shè)密度濾波（IMM-B