多模型广义标签多伯努利滤波器

标准广义标签多伯努利算法没有对目标状态转移密度进行深入分析,在带入确定运动模型的情况下无法对机动目标进行跟踪。针对这个问题,参考基于马尔可夫跳变分支合并策略的多模型算法,提出了交互多模型广义标签多伯努利算法、一阶广义伪贝叶斯广义标签多伯努利算法,以及二阶广义伪贝叶斯广义标签多伯努利算法,并将这三种多模型算法与同样针对机动多目标的马尔可夫跳变系统广义标签多伯努利算法进行比较。仿真结果表明,与马尔可夫跳变系统广义标签多伯努利算法相比,所提三种算法具有更低的计算时间消耗和更高的跟踪精度。其中,一阶广义伪贝叶斯广义标签多伯努利算法计算时间消耗最低,二阶广义伪贝叶斯广义标签多伯努利算法跟踪精度最高,交互多模型广义标签多伯努利算法综合性能最好。