發(fā)布時間：2024-05-07 06:00

　　本文針對雜波條件下多擴展目標的狀態(tài)估計,目標個數(shù)估計,擴展目標形狀估計問題,提出了一種基于標簽隨機有限集(Labelled random finite sets, L-RFS)框架下多擴展目標跟蹤學習算法,該學習算法主要包括兩方面:多擴展目標動態(tài)建模和多擴展目標的跟蹤估計.首先,結(jié)合廣義標簽多伯努利濾波器(Generalized labelled multi-Bernoulli, GLMB)建立了擴展目標的量測有限混合模型(Finite mixture models, FMM),利用Gibbs采樣和貝葉斯信息準則(Bayesian information criterion, BIC)準則推導出有限混合模型的參數(shù)來對多擴展目標形狀進行學習,然后采用等效量測方法來替代擴展目標產(chǎn)生的量測,對擴展目標形狀采用橢圓逼近建模,實現(xiàn)擴展目標形狀與狀態(tài)的估計.仿真實驗表明本文所給的方法能夠有效跟蹤多擴展目標,并且在目標個數(shù)估計方面優(yōu)于CBMeMBer算法.此外,與標簽多伯努利濾波(LMB)計算比較表明:GLMB和LMB算法濾波估計精度接近,二者精度高于CBMeMBer算法.

【文章頁數(shù)】：12 頁


本文編號：3966920