針對復雜不確定性環(huán)境下不規(guī)則形狀的多擴展目標跟蹤問題,本文提出了一種基于高斯過程回歸（GPR）模型的多擴展目標多伯努利（GPR–ETCBMeMBer）濾波算法.首先,在利用有限集統(tǒng)計理論（FISST）將多擴展目標的狀態(tài)集與量測集分別建模為多伯努利隨機有限集（MBer RFS）和泊松隨機有限集（Poisson RFS）的基礎上,通過GPR方法建立多擴展目標隨機超曲面的跟蹤濾波模型.然后,基于容積卡爾曼濾波器（CKF）詳細推導并提出GPR多擴展目標多伯努利濾波算法的高斯混合（GM）實現(xiàn).最后,通過構造對星凸形多擴展目標和多群目標跟蹤的仿真實驗驗證了本文所提算法的有效性. 

【文章來源】：控制理論與應用. 2020,37(09)北大核心

【文章頁數(shù)】：13 頁

【參考文獻】：
期刊論文
[1]基于星凸形隨機超曲面模型多擴展目標多伯努利濾波器[J]. 陳輝,杜金瑞,韓崇昭.  自動化學報. 2020(05)
[2]自適應不規(guī)則形狀擴展目標跟蹤算法[J]. 陳輝,杜金瑞,韓崇昭.  控制理論與應用. 2018(08)
[3]高斯過程回歸下的多機動擴展目標跟蹤[J]. 李翠蕓,王精毅,姬紅兵.  西安電子科技大學學報. 2017(06)
[4]CBMeMBer濾波器序貫蒙特卡羅實現(xiàn)新方法的研究[J]. 陳輝,韓崇昭.  自動化學報. 2016(01)
[5]多模型GM-CBMeMBer濾波器及航跡形成[J]. 連峰,韓崇昭,李晨.  自動化學報. 2014(02)
[6]高斯過程回歸方法綜述[J]. 何志昆,劉光斌,趙曦晶,王明昊.  控制與決策. 2013(08)



本文編號：2978659