未知新生目标强度的多目标概率假设密度滤波算法
发布时间：2021-11-27 23:15
针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。
【文章来源】：火力与指挥控制. 2020,45(07)北大核心CSCD
【文章页数】：6 页
【部分图文】：
多目标跟踪仿真场景
（总第45-）火力与指挥控制2020年第7期要1个时刻的延迟才能实现跟踪这些新生目标。除了1个时刻的延迟，本文所提算法能够在目标非出现与消失时刻准确地估计新生目标强度，因此，其OSPA距离在4个算法中是最优的，这表明本文算法的目标状态估计精度相对较高。得益于预测的较为精确的新生目标强度，以及各离散时刻的分类后的不同量测集，使得无关量测及杂波在各类目标强度在更新过程的干扰程度降至最低，因此，本文算法取得了较低的计算负担及精准的目标数目估计。图3给出了不同杂波均值跟踪场景下各滤波器的性能对比。由于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器在跟踪未知新生目标时均存在各自不足之处，因此，这3个滤波器的滤波性能较差，且随着杂波均值的增大，滤波性能进一步变差。相较于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器，本文算法的OSPA距离、运算时间及目标数目估计均体现出明显的优势。尤其是本文算法的3个性能指标并没有随着杂波干扰的增加而出现明显的变化，体现了一定的鲁棒性。较低的计算代价使得本文算法能够较好地满足真实多目标跟踪应用的需要。（a）OSPA距离（b）运算时间（c）目标数目估计图3不同多目标滤波器的滤波性能对比图4给出了不同检测概率场景下各滤波器的性能对比。实验结果表明：随着检测概率的提高，各多目标滤波器的OSPA距离、运算时间及目标估计数目均在一定程度上得到改善。明显地，本文算法（c）目标数目估计图2不同多目标滤波器的滤波性能对比（a）OSPA距离（b）运算时间·60·1200
（总第45-）火力与指挥控制2020年第7期要1个时刻的延迟才能实现跟踪这些新生目标。除了1个时刻的延迟，本文所提算法能够在目标非出现与消失时刻准确地估计新生目标强度，因此，其OSPA距离在4个算法中是最优的，这表明本文算法的目标状态估计精度相对较高。得益于预测的较为精确的新生目标强度，以及各离散时刻的分类后的不同量测集，使得无关量测及杂波在各类目标强度在更新过程的干扰程度降至最低，因此，本文算法取得了较低的计算负担及精准的目标数目估计。图3给出了不同杂波均值跟踪场景下各滤波器的性能对比。由于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器在跟踪未知新生目标时均存在各自不足之处，因此，这3个滤波器的滤波性能较差，且随着杂波均值的增大，滤波性能进一步变差。相较于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器，本文算法的OSPA距离、运算时间及目标数目估计均体现出明显的优势。尤其是本文算法的3个性能指标并没有随着杂波干扰的增加而出现明显的变化，体现了一定的鲁棒性。较低的计算代价使得本文算法能够较好地满足真实多目标跟踪应用的需要。（a）OSPA距离（b）运算时间（c）目标数目估计图3不同多目标滤波器的滤波性能对比图4给出了不同检测概率场景下各滤波器的性能对比。实验结果表明：随着检测概率的提高，各多目标滤波器的OSPA距离、运算时间及目标估计数目均在一定程度上得到改善。明显地，本文算法（c）目标数目估计图2不同多目标滤波器的滤波性能对比（a）OSPA距离（b）运算时间·60·1200
【参考文献】：
期刊论文
[1]一种鲁棒的多目标概率假设密度算法[J]. 王颖. 火力与指挥控制. 2018(08)
[2]Improved pruning algorithm for Gaussian mixture probability hypothesis density filter[J]. NIE Yongfang,ZHANG Tao. Journal of Systems Engineering and Electronics. 2018(02)
[3]基于关联的自适应新生目标强度CPHD滤波[J]. 董鹏,敬忠良,雷明,潘汉. 系统工程与电子技术. 2016(04)
本文编号：3523230
【文章来源】：火力与指挥控制. 2020,45(07)北大核心CSCD
【文章页数】：6 页
【部分图文】：
多目标跟踪仿真场景
（总第45-）火力与指挥控制2020年第7期要1个时刻的延迟才能实现跟踪这些新生目标。除了1个时刻的延迟，本文所提算法能够在目标非出现与消失时刻准确地估计新生目标强度，因此，其OSPA距离在4个算法中是最优的，这表明本文算法的目标状态估计精度相对较高。得益于预测的较为精确的新生目标强度，以及各离散时刻的分类后的不同量测集，使得无关量测及杂波在各类目标强度在更新过程的干扰程度降至最低，因此，本文算法取得了较低的计算负担及精准的目标数目估计。图3给出了不同杂波均值跟踪场景下各滤波器的性能对比。由于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器在跟踪未知新生目标时均存在各自不足之处，因此，这3个滤波器的滤波性能较差，且随着杂波均值的增大，滤波性能进一步变差。相较于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器，本文算法的OSPA距离、运算时间及目标数目估计均体现出明显的优势。尤其是本文算法的3个性能指标并没有随着杂波干扰的增加而出现明显的变化，体现了一定的鲁棒性。较低的计算代价使得本文算法能够较好地满足真实多目标跟踪应用的需要。（a）OSPA距离（b）运算时间（c）目标数目估计图3不同多目标滤波器的滤波性能对比图4给出了不同检测概率场景下各滤波器的性能对比。实验结果表明：随着检测概率的提高，各多目标滤波器的OSPA距离、运算时间及目标估计数目均在一定程度上得到改善。明显地，本文算法（c）目标数目估计图2不同多目标滤波器的滤波性能对比（a）OSPA距离（b）运算时间·60·1200
（总第45-）火力与指挥控制2020年第7期要1个时刻的延迟才能实现跟踪这些新生目标。除了1个时刻的延迟，本文所提算法能够在目标非出现与消失时刻准确地估计新生目标强度，因此，其OSPA距离在4个算法中是最优的，这表明本文算法的目标状态估计精度相对较高。得益于预测的较为精确的新生目标强度，以及各离散时刻的分类后的不同量测集，使得无关量测及杂波在各类目标强度在更新过程的干扰程度降至最低，因此，本文算法取得了较低的计算负担及精准的目标数目估计。图3给出了不同杂波均值跟踪场景下各滤波器的性能对比。由于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器在跟踪未知新生目标时均存在各自不足之处，因此，这3个滤波器的滤波性能较差，且随着杂波均值的增大，滤波性能进一步变差。相较于ATBI-GM-PHD、MDTB-GM-PHD和TIB-GM-PHD滤波器，本文算法的OSPA距离、运算时间及目标数目估计均体现出明显的优势。尤其是本文算法的3个性能指标并没有随着杂波干扰的增加而出现明显的变化，体现了一定的鲁棒性。较低的计算代价使得本文算法能够较好地满足真实多目标跟踪应用的需要。（a）OSPA距离（b）运算时间（c）目标数目估计图3不同多目标滤波器的滤波性能对比图4给出了不同检测概率场景下各滤波器的性能对比。实验结果表明：随着检测概率的提高，各多目标滤波器的OSPA距离、运算时间及目标估计数目均在一定程度上得到改善。明显地，本文算法（c）目标数目估计图2不同多目标滤波器的滤波性能对比（a）OSPA距离（b）运算时间·60·1200
【参考文献】：
期刊论文
[1]一种鲁棒的多目标概率假设密度算法[J]. 王颖. 火力与指挥控制. 2018(08)
[2]Improved pruning algorithm for Gaussian mixture probability hypothesis density filter[J]. NIE Yongfang,ZHANG Tao. Journal of Systems Engineering and Electronics. 2018(02)
[3]基于关联的自适应新生目标强度CPHD滤波[J]. 董鹏,敬忠良,雷明,潘汉. 系统工程与电子技术. 2016(04)
本文编号：3523230
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3523230.html
