嵌入式容积粒子PHD多目标跟踪算法

针对基于概率假设密度算法(Probability Hypothesis Density,PHD)的非线性多目标跟踪估计精度不高、滤波发散、实时性差等问题,提出一种嵌入式容积粒子PHD算法(Imbedded Cubature Particle PHD,ICP-PHD)。新的算法在采样阶段引入Halton点集,并基于三阶嵌入式容积准则产生有限的积分点,对每个采样粒子进行滤波,来拟合重要密度函数。由于Halton点集得到的粒子分布更加均匀,故而ICP-PHD算法能够避免"粒子聚集"的现象。另外,由于三阶嵌入式容积准则的积分点少、精度高,因此ICP-PHD算法能更好的协调时间与精度之间的矛盾。仿真结果表明ICP-PHD能对多目标进行有效跟踪,相比高斯厄米特粒子PHD算法(Gauss Hermite Particle PHD,GHP-PHD)具有实时性强的优势,在目标数目和状态估计上比容积粒子PHD算法(Cubature Particle PHD,CP-PHD)精度更高。