Pairwise马尔科夫模型下的势均衡多目标多伯努利滤波器

由于在实际应用中目标模型不一定满足隐马尔科夫模型(Hidden Markov model,HMM)隐含的马尔科夫假设和独立性假设条件,一种更为一般化的Pairwise马尔科夫模型(Pairwise Markov model,PMM)被提出.它放宽了HMM的结构性限制,可以有效地处理更为复杂的目标跟踪场景.本文针对杂波环境下的多目标跟踪问题,提出一种在PMM框架下的势均衡多目标多伯努利(Cardinality balanced multi-target multi-Bernoulli,CBMe MBer)滤波器,并给出它在线性高斯PMM条件下的高斯混合(Gaussian mixture,GM)实现.最后,采用一种满足HMM局部物理特性的线性高斯PMM,将本文所提算法与概率假设密度(Probability hypothesis density,PHD)滤波器进行比较.实验结果表明本文所提算法的跟踪性能优于PHD滤波器.