面向量测的m-最优N扫描多假设跟踪方法

为解决联合概率数据互联只能跟踪已知数目目标和互联模糊,以及传统多假设跟踪算法生成假设数目随时间积累呈指数增长问题。提出一种面向量测m-最优假设N扫描MHT方法。首先,在每一假设下生成m-最优假设,在每帧产生既定数目最优及次优假设;然后,通过N宽度滑窗产生最优可行假设,完成数据互联,并分别使用两点差分线性法和全局最小二乘估计完成单个新目标和多个新目标航迹起始。仿真结果表明,该方法与MHT-DAM算法相比较,获得了跟踪性能和运算时间上的平衡。