高斯过程回归模型多扩展目标多伯努利滤波器

发布时间：2021-01-15 09:25

　　针对复杂不确定性环境下不规则形状的多扩展目标跟踪问题,本文提出了一种基于高斯过程回归（GPR）模型的多扩展目标多伯努利（GPR–ETCBMeMBer）滤波算法.首先,在利用有限集统计理论（FISST）将多扩展目标的状态集与量测集分别建模为多伯努利随机有限集（MBer RFS）和泊松随机有限集（Poisson RFS）的基础上,通过GPR方法建立多扩展目标随机超曲面的跟踪滤波模型.然后,基于容积卡尔曼滤波器（CKF）详细推导并提出GPR多扩展目标多伯努利滤波算法的高斯混合（GM）实现.最后,通过构造对星凸形多扩展目标和多群目标跟踪的仿真实验验证了本文所提算法的有效性. 

【文章来源】：控制理论与应用. 2020,37(09)北大核心

【文章页数】：13 页

【参考文献】：
期刊论文
[1]基于星凸形随机超曲面模型多扩展目标多伯努利滤波器[J]. 陈辉,杜金瑞,韩崇昭.  自动化学报. 2020(05)
[2]自适应不规则形状扩展目标跟踪算法[J]. 陈辉,杜金瑞,韩崇昭.  控制理论与应用. 2018(08)
[3]高斯过程回归下的多机动扩展目标跟踪[J]. 李翠芸,王精毅,姬红兵.  西安电子科技大学学报. 2017(06)
[4]CBMeMBer滤波器序贯蒙特卡罗实现新方法的研究[J]. 陈辉,韩崇昭.  自动化学报. 2016(01)
[5]多模型GM-CBMeMBer滤波器及航迹形成[J]. 连峰,韩崇昭,李晨.  自动化学报. 2014(02)
[6]高斯过程回归方法综述[J]. 何志昆,刘光斌,赵曦晶,王明昊.  控制与决策. 2013(08)



本文编号：2978659