基于改进对称量测方程的多目标跟踪

采用传统对称量测方程对多维多目标跟踪会增加伪观测量,在目标航迹交叉点附近容易产生较大跟踪误差。针对这一问题,提出一种基于多项式因式分解思想的改进对称量测方程,通过建立同一目标在不同坐标系中状态之间的联系,将新量测集与原始量测集的对应关系描述的更加准确,利用泰勒展开公式推导出新量测的观测误差,求出相应的观测误差协方差阵。与现有对称量测方程方法和联合概率数据关联算法仿真对比,验证所提方法不仅延续了对称量测方程时效性优势,而且提高了目标在航迹交叉时的跟踪精度。

基于改进遗传粒子滤波与SME的多目标跟踪算法

针对基于对称量测方程的多目标跟踪,传统的滤波手段无法解决因对称变换带来的非高斯问题,提出一种新的遗传粒子滤波方法。新的滤波算法利用粒子的噪声含量与权值的负相关,改进了更新过程中权值计算所依赖的概率密度函数,避免了新量测噪声的求解。同时利用遗传算法的优势,保障了粒子的多样性,提高了粒子的使用效率,防止了滤波发散及局部最优。仿真结果表明,基于对称量测方程的多目标跟踪中,改进的遗传粒子滤波算法较扩展卡尔曼滤波算法、不敏卡尔曼滤波算法和联合概率数据关联滤波算法跟踪效果更好。