基于目标出生强度在线估计的多目标跟踪算法

针对多目标跟踪中未知的目标出生强度,提出了基于Dirichlet分布的目标出生强度在线估计算法,来改进概率假设密度滤波器在多目标跟踪中的性能.算法采用有限混合模型来描述未知目标出生强度,使用仅依赖于混合权重的负指数Dirichlet分布作为混合模型参数的先验分布.利用拉格朗日乘子法推导了混合权重在极大后验意义下的在线估计公式;混合权重在线估计过程利用了负指数Dirichlet分布的不稳定性,驱使与目标出生数据不相关分量的消亡.以随机近似过程为分量均值和方差的在线估计策略,推导了基于缺失数据的分量均值与方差的在线估计公式.在无法获得初始步出生目标先验分布的约束下,提出了在混合模型上增加均匀分量的初始化方法.以当前时刻的多目标状态估计值为出发点,提出了利用概率假设密度滤波器消弱杂波影响的出生目标数据获取方法.仿真结果表明,提出的目标出生强度在线估计算法改进了概率假设密度滤波器在多目标跟踪中的性能.

一种用于多目标跟踪的增强型SMC-PHD滤波算法

该文对标准型SMC-PHD滤波器作了两点改进。第一,提出基于观测值的目标个数和目标状态估计方法,该方法首先计算以观测值为行、存活粒子为列的权值矩阵,将按行计算的权值和与判决门限比较,把大于门限的观测值判决为真实观测值,并据此估算目标个数和目标状态。第二,为每个粒子分配表示存活年龄的辅助变量,以抑制强杂波环境下的目标数高估问题。仿真实验表明,在强杂波环境下,增强型SMC-PHD算法在多目标跟踪稳定性方面优于标准型SMC-PHD算法。