GM—CPHD自適應門限目標跟蹤算法研究

摘要：該文提出利用一種最大似然自適應門限的快速算法，該算法首先利用自適應的對觀測進行門限處理，然后僅利用處于門限內的有效觀測進行GM-CPHD算法的更新步計算，大大降低了算法的計算復雜度。

關鍵詞：多目標跟蹤；帶有勢估計的概率假設密度濾波；自適應門限； GM-CPHD算法

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）20-4804-02

GM-CPHD Adaptive Threshold Target Tracking Algorithm Research

ZHANG Qi-wen， LIU Zhong-yi

（Radar Department of Navy Submarine Academy， Qingdao 266042，China）

Abstract： Due to the fact that classic GM-CPHD filer has a great computational complexity， a adaptive gating algorithm is proposed in this paper， which reduces the measurements set by using a max likelihood adaptive gate， and only the measurement falling into the gate can be used to update the PHD estimation.

Key words： Multitarget tracking；Track-Before-Detect（TBD）；Gaussian mixture CPHD； Adaptive gating

1 概述

多目標跟蹤作為一個重要的理論和實踐問題，最近幾年被研究的比較深入，多目標跟蹤就是利用傳感器所獲得的量測對多個目標的狀態進行持續地估計和預測。目前主要有兩類方法。一類是傳統的基于數據關聯的多目標跟蹤方法[1][2]。該方法首先采用數據關聯技術確定傳感器測量和目標源之間的對應關系，然后再對每個目標的狀態分別進行估計。另一類是非關聯的多目標跟蹤算法，主要是基于隨機有限集理論（Random Finite Set，RFS）的方法[3][4]。

2007年mahler提出了勢概率假設密度（Cardinalized PHD，CPHD）濾波器[5]。相比PHD濾波器，CPHD濾波器在傳遞PHD的同時傳遞目標數的分布函數，從而獲得了更好的估計效果。但是CPHD的計算量十分巨大，即使是具有封閉形式解的高斯混合實現方法GM-PHD其計算復雜度仍為[Onm3]，其中[n]為跟蹤的目標數，[m]為觀測數，遠高于GM-PHD濾波器的[Onm]。特別是在高雜波強度的情況下，GM-CPHD濾波器計算十分復雜。

2 GM-CPHD濾波器

GM-CPHD算法是在保持CPHD濾波器的原始假設的前提下，在線性高斯框架下實現的具有封閉解形式的勢概率假設密度濾波器。其實現需滿足下面相關前提條件[9]。

狀態模型即測量模型均滿足線性高斯特性即