基于数值积分粒子PHD多目标跟踪滤波算法

在多目标跟踪环境下,粒子概率假设密度(P-PHD)因杂波、漏检和非线性情况,导致滤波精度不高,跟踪发散,对此问题提出一种基于数值积分粒子概率假设密度滤波算法。利用数值粒子滤波(QPF)实现概率假设密度(PHD),用数值卡尔曼滤波(QKF)算法得到更好的重要性密度函数,并从中采样得到粒子,使粒子的分布更接近真实的概率假设密度分布。试验仿真表明,与粒子概率假设密度和容积粒子概率假设密度滤波算法相比,所提算法的滤波精度和稳定性明显提高。