基于椭圆随机超曲面模型CPHD滤波器的多扩展目标跟踪算法

复杂场景下多扩展目标跟踪在自动驾驶、目标识别等领域具有很高的应用价值。文中提出了一种基于椭圆随机超曲面模型(ERHM)的势概率假设密度(CPHD)滤波器。首先,基于有限集统计理论,利用CPHD滤波器建立多扩展目标的贝叶斯滤波框架;然后,采用ERHM描述扩展目标的量测源分布,并利用无迹变换嵌入CPHD滤波流程;最后,仿真实验结果表明,ERHM-CPHD滤波器对椭圆扩展目标的跟踪性能优于传统的伽马高斯逆威沙特CPHD滤波器,在杂波密度较高、目标新生的位置比较确定的场景或者扩展目标数目较多时,对扩展目标的参数估计更为准确。所提方法在高分辨率雷达多目标跟踪方面具备很好的运用前景。

基于星凸形随机超曲面模型多扩展目标多伯努利滤波器

针对复杂不确定性环境下具有不规则形状的多扩展目标跟踪问题,提出了一种基于星凸形随机超曲面模型(Starconvex RHM)的多扩展目标多伯努利滤波算法.首先,在有限集统计(Finite set statistics,FISST)理论框架下,采用多伯努利随机有限集(MBer-RFS)和泊松RFS(Possion-RFS)分别描述多扩展目标的状态和观测,并给出扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器.其次,利用RHM去描述任意星凸形扩展目标的量测源分布,提出了容积卡尔曼高斯混合星凸形多扩展目标多伯努利滤波器.此外,本文给出了一种多扩展目标不规则形状估计性能的评价指标.最后,通过多扩展目标和具有形状突变的多群目标的跟踪仿真实验验证了本文方法的有效性.

基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器

针对杂波和检测不确定情况下扩展目标形状估计精度低的问题,提出了一种基于星凸随机超曲面模型(SRHM)的扩展目标伽马高斯混合势概率假设密度(CPHD)滤波器.该算法在高斯混合概率假设密度滤波的框架下,首先将目标形状建模为星凸随机超曲面,然后通过CPHD滤波估计出目标的质心位置和目标数目,最后通过将已估计的目标质心位置作为目标形状的中心点来结合量测对目标形状进行估计.其中,算法通过自适应估计尺度变换因子对形状边界进行约束优化,解决了星凸随机超曲面模型存在的边界形状不规则的问题.设计扩展目标个数未知以及含有杂波的实验场景,实验结果验证了该算法的有效性和可行性.

基于星-凸形随机超曲面模型的扩展目标GM-PHD滤波器

针对扩展目标联合估计运动状态和目标外形的问题,提出一种基于星-凸形随机超曲面模型的扩展目标高斯混合概率密度滤波算法。该算法利用星-凸随机超曲面模型对量测的扩散程度进行建模,在高斯混合概率假设密度的框架下,通过求解、更新递推量测模型下的量测似然、新息等参数来实现对扩展目标的跟踪。仿真实验表明,该算法在保证跟踪有效性和可行性的同时,提高了对扩展目标运动状态和目标外形的估计精度。

星凸形随机超曲面粒子扩展目标跟踪滤波器

针对非线性系统下不规则形状的扩展目标跟踪问题,文章提出了一种基于随机超曲面模型(RHM)的星凸形扩展目标粒子滤波算法。首先,研究利用星凸形随机超曲面对不规则形状扩展目标的外围轮廓进行建模,进而建立星凸形扩展目标量测方程。然后,结合粒子滤波算法推导星凸形随机超曲面粒子扩展目标跟踪滤波器。最后,通过实验仿真验证了该滤波算法的有效性和正确性。

一种基于随机超曲面的扩展目标形状评估方法

随着传感器分辨率的不断提高,传统的点目标假设不再成立,目标跟踪的任务不仅仅是估计出目标的运动状态,更重要的是要对其扩展形状进行精确估计。对于运动状态估计的评估,有很多相应的指标可以实现,但是对目标的形状估计性能评估有着迫切的需求。针对基于随机超曲面的不规则的目标跟踪,提出一种基于径向函数的方法来解决对估计形状的评估问题。仿真实验表明,提出的方法能够作为一种有效的度量准则来对扩展目标的形态估计性能进行有效评估。

基于星凸形随机超曲面的概率数据关联滤波器

为了解决在杂波环境中单扩展目标的跟踪问题,论文提出了一种基于星凸形随机超曲面模型(Star Convex RHM)的概率数据关联(PDA)扩展目标跟踪方法。首先,通过量测集划分获得量测簇,其次利用随机超曲面模型对星凸形扩展目标的量测源进行建模,然后,基于有效量测簇列举全部扩展目标的关联事件,由全概率公式得到关联概率。最后,用PDA算法对扩展目标状态更新,并且通过仿真实验验证了在杂波环境下该算法对不规则形状单扩展目标跟踪的有效性。

随机超曲面模型容积卡尔曼扩展目标跟踪算法

针对复杂环境下不规则形状的星凸形扩展目标跟踪问题,论文提出了一种基于随机超曲面模型(RHM)的容积卡尔曼扩展目标跟踪算法。首先,利用随机超曲面模型对星凸形扩展目标的量测源进行建模,建立扩展目标的跟踪滤波量测模型。然后,详细推导并提出基于RHM的容积卡尔曼扩展目标跟踪算法的实现过程。最后,通过构造具有不规则形状的扩展目标跟踪仿真实验验证了论文所提算法的有效性。

基于随机超曲面模型的机动星凸形扩展目标跟踪

针对具有强机动性的扩展目标跟踪问题,不仅需要估计目标的运动状态,还要准确识别目标机动过程中的形状变化。由于目标机动和模型的复杂所导致的高维非线性问题,提出了一种基于随机超曲面模型的扩展目标方向自适应跟踪算法。通过使用输入估计检测器对目标机动进行判断,再利用目标机动的大小修正形状参数的先验,其次基于先验信息更新量测,并结合无迹卡尔曼滤波算法,实现对机动扩展目标的状态跟踪和形状识别。利用均方根误差和quasi-Jaccard距离分别对目标质心位置的跟踪质量和形状的跟踪性能进行评价。仿真实验结果证明了该算法的有效性。

一种基于椭圆随机超曲面模型的群目标高斯混合PHD滤波器

在弹道导弹防御系统中,群目标跟踪是目前较为困难的问题之一。这些目标不仅具有相似的运动特性,且相互邻近,又由于红外光学探测器的特性和分辨率的影响,使得它们在像平面不再是点目标而是簇状像斑。因此,"一个目标至多产生一个量测"的传统多目标跟踪方法不再适用。为了实现对该类目标的有效跟踪,提出了一种新型滤波算法。该算法视群目标为一个整体,用椭圆随机超曲面模型描述其扩散程度,并将其与扩展目标高斯混合概率假设密度(PHD)滤波器相结合,通过跟踪群质心和扩散程度实现对像平面群目标的跟踪。通过仿真对比,所提算法在质心状态和扩散程度的估计精度方面均明显优于基于随机矩阵的高斯逆韦氏分布的概率假设密度滤波器。

基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪

针对厚尾噪声条件下不规则星凸形多扩展目标跟踪(Multiple extended target tracking,METT)问题,提出一种基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪方法.首先,采用学生t分布对厚尾过程噪声和量测噪声进行建模,并基于有限集统计(Finite set statistics,FISST)理论利用随机超曲面模型(Random hypersurface model,RHM)建立不规则星凸形多扩展目标的跟踪滤波模型.然后,利用学生t混合(Student's t mixture,STM)模型来表征多伯努利密度,提出学生t混合多扩展目标多伯努利(Student's t mixture multiple extended target multi-Bernoulli filter,STM-MET-CBMeMBer)滤波算法,并进一步基于鲁棒学生t容积滤波算法提出了非线性鲁棒学生t混合星凸形多扩展目标多伯努利滤波算法.最后,通过构造厚尾噪声条件下星凸形多扩展目标和多群目标的跟踪仿真实验验证了所提方法的有效性.

水平集高斯过程的非星凸形扩展目标跟踪算法

针对复杂环境下的非星凸形不规则形状扩展目标跟踪问题,该文提出基于能量泛函的水平集高斯过程扩展目标跟踪算法。首先,利用水平集随机超曲面模型(Level-Set RHM)通过多边形方法对形状内部进行建模。然后,用高斯过程(GP)学习Level-Set建模输入与输出的非线性映射关系,以求得边界函数最大值,并进一步推导Level-Set与GP相融合的非线性量测方程。在最优非线性滤波的框架下,最终推导得到水平集高斯过程(Level-Set GP)算法,并利用面积差作为不规则形状扩展目标形状估计的评价指标。仿真实验表明了所提算法对非星凸形不规则形状扩展目标形状估计的有效性。

多扩展目标的高斯混合概率假设密度滤波器

针对多扩展目标跟踪中状态信息难以估计的问题,提出了一种可以估计扩展目标运动状态和形状信息的多扩展目标高斯混合概率假设密度(RHM-GMPHD)滤波器。首先利用描述凸星形扩展目标量测源分布的随机超曲面模型和传感器量测方程,建立扩展目标运动状态及形状信息与量测之间关系的伪量测函数;然后结合扩展目标状态预报信息,推导了扩展目标状态更新方程,递推地对扩展目标运动状态及形状信息进行估计跟踪。此外,还建立了Jaccard距离来度量RHMGMPHD滤波器对目标形状的估计性能。与联合概率数据关联(JPDA)滤波器和GMPHD滤波器相比,RHM-GMPHD滤波器不仅可以估计凸星形扩展目标的形状信息,并能有效提高对目标数和运动状态的估计精度。仿真实验表明,RHM-GMPHD滤波器对质心估计的均方根误差分别约为JPDA和GMPHD滤波器的1/3和1/2,对目标数的估计接近真实值,对形状估计的Jaccard距离一般小于0.2。

基于星凸RHM的扩展目标SMC-PHD滤波

扩展目标跟踪与传统目标跟踪不同,不仅需要对目标的运动状态进行跟踪,同时对于目标的外形特征也不能忽略。针对扩展目标跟踪过程中存在的外形拟合和非线性的问题,提出一种基于星凸随机超曲面模型(RHM)的扩展目标序贯蒙特卡洛概率假设密度滤波(SMC-PHD)算法。该算法运用星凸RHM对扩展目标量测源建模,在SMC-PHD的框架下,推导出非线性滤波算法的量测似然表达式和更新方程,实现扩展目标跟踪。仿真结果证明,所提算法的跟踪性能较其他滤波对于目标扩散程度和质心估计均有提高。

高斯过程回归模型多扩展目标多伯努利滤波器

针对复杂不确定性环境下不规则形状的多扩展目标跟踪问题,本文提出了一种基于高斯过程回归(GPR)模型的多扩展目标多伯努利(GPR–ETCBMeMBer)滤波算法.首先,在利用有限集统计理论(FISST)将多扩展目标的状态集与量测集分别建模为多伯努利随机有限集(MBer RFS)和泊松随机有限集(Poisson RFS)的基础上,通过GPR方法建立多扩展目标随机超曲面的跟踪滤波模型.然后,基于容积卡尔曼滤波器(CKF)详细推导并提出GPR多扩展目标多伯努利滤波算法的高斯混合(GM)实现.最后,通过构造对星凸形多扩展目标和多群目标跟踪的仿真实验验证了本文所提算法的有效性.

自适应不规则形状扩展目标跟踪算法

针对具有不规则形状的扩展目标跟踪问题,在目标先验形状未知和运动过程中目标形状发生突变的情况下,提出基于星凸形随机超曲面模型的自适应轮廓扩展目标跟踪算法.首先,研究星凸形扩展目标形状的径向函数傅里叶系数自适应设定问题,基于中心轮廓距离提出不规则形状的自适应方法.其次,针对扩展目标在运动过程中可能发生的形状突变问题,结合滑动窗口构造检测统计量对目标形变进行实时检测,并提出自适应轮廓快速逼近算法对形状突变的扩展目标进行实时跟踪.然后,提出一种拟Jaccard距离作为形状估计质量的评价指标.最后,仿真实验验证了本文所提算法的有效性.

星凸形多扩展目标跟踪中的传感器控制方法

针对多扩展目标跟踪中的传感器控制问题,本文基于有限集统计(FISST)理论与随机超曲面模型(RHM),利用多伯努利(MBer)滤波器提出有效的传感器控制策略.首先,文中给出多扩展目标跟踪中基于信息论联合目标形状估计优化和目标运动状态估计优化的传感器控制方法的求解思路.其次,给出RHM容积卡尔曼高斯混合(GM)势均衡多扩展目标多伯努利滤波算法的具体实现过程.然后,结合GM密度间的柯西施瓦兹(Cauchy-Schwarz)散度提出相应的传感器控制决策方法.此外,详细推导了扩展目标势的后验期望(PENET)的GM实现,并提出以GM–PENET为评价函数的传感器控制方法.最后,通过构造随机星凸形多扩展目标的跟踪优化仿真实验验证了本文所提传感器控制方法的有效性.

厚尾噪声条件下星凸形扩展目标student’s t滤波器

针对非线性非高斯厚尾噪声条件下的不规则形状的扩展目标跟踪问题,提出了基于随机超曲面模型(RHM)的星凸形扩展目标student’s t滤波算法.首先,在带有非高斯厚尾过程噪声和厚尾量测噪声的系统中,基于student’s t分布给出鲁棒student’s t滤波器.其次,利用随机超曲面模型描述任意星凸形扩展目标的量测源分布,提出带厚尾噪声的星凸形扩展目标student’s t滤波器.最后通过仿真验证了所提方法的正确性和有效性.

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。

基于椭圆RHM的扩展目标伯努利滤波算法

与传统点目标跟踪不同,扩展目标跟踪既要估计目标的运动状态,还需估计目标的扩展状态,包括目标的形状、大小、方向等信息。针对扩展目标跟踪中存在的扩展状态估计不准确和非线性问题,提出一种基于随机超曲面模型(random hypersurface model,RHM)的扩展目标伯努利滤波算法。该算法首先采用RHM对目标量测源建模;然后,在扩展目标伯努利滤波框架下,实现对单扩展目标运动状态和扩展状态的实时估计;最后,引入Gamma分布以提高量测率估计的准确性。此外,为了降低计算复杂度,在量测更新中采用距离划分来减少所有可能的划分总数。实验结果表明,所提滤波算法在估计目标运动状态、扩展状态和量测率等方面优于现有的滤波算法,并且可用于实际视频跟踪场景。