【技术实现步骤摘要】
一种GM
‑
PHD滤波器的设计方法
[0001]本专利技术涉及一种GM
‑
PHD滤波器的设计方法。
技术介绍
[0002]随机有限集(RFS,Random Finite Sets)理论是一种用于解决多目标跟 踪问题的新方法。它通过建立目标状态集模型和测量集模型,在贝叶斯框 架下实时递推目标后验概率密度,可有效地避免量测与目标关联中的“组 合爆炸”问题,从而很好地进行目标轨迹关联。GM
‑
PHD滤波器是随机有限 集理论的典型实现方法,通过高斯项管理和裁剪等提高计算效率,但该方 法通常假设目标生成位置已知(如航母、机场等),对于突发性强、发射时 间和空间位置不可预知的未知状态目标,该裁剪方法易于将新目标剪除而 导致目标丢失或需要较长的时间才能完成对目标的跟踪。
技术实现思路
[0003]本专利技术的目的在于提供一种GM
‑
PHD滤波器的设计方法,解决传统 GM
‑
PHD滤波器存在的新目标丢失问题。
[0004]为实现上述专利技术目的,本专利技术提供一种GM
‑
PHD滤波器的设计方法,包 括:
[0005]S1.基于GM
‑
PHD滤波器的假设条件,确定在线性高斯分布条件下,先 验分布是否为混合高斯形式,若是,则假设k
‑
1时刻后验概率假设密度 D
k
‑
1|k
‑1(x)的高斯混合形式为:其中,ω表示高 斯分量的权重 ...
【技术保护点】
【技术特征摘要】
1.一种GM
‑
PHD滤波器的设计方法,包括:S1.基于GM
‑
PHD滤波器的假设条件,确定在线性高斯分布条件下,先验分布是否为混合高斯形式,若是,则假设k
‑
1时刻后验概率假设密度D
k
‑
1|k
‑1(x)的高斯混合形式为:其中,ω表示高斯分量的权重,N()表示x的高斯分布函数,x为状态参数,m表示状态参数的均值,P表示状态参数的协方差阵,J表示高斯分量的数目;S2.在k时刻,利用状态转移矩阵F,得到预测的D
k|k
‑1(x)为:D
k|k
‑1(x)=γ
k
(x)+D
β,k|k
‑1(x)+D
S,k|k
‑1(x),其中,D
β,k|k
‑1(x)和D
S,k|k
‑1(x)分别表示分裂目标和存活目标的概率假设密度;S3.利用预测的D
k|k
‑1(x)进行状态更新,可得到更新的D
k|k
(x)为:其中,(1
‑
p
D
)D
k|k
‑1(x)表示漏检目标的PHD;表示利用检测目标更新后的PHD,更新后的PHD中,D
D,k
(x;z)表示为:(x;z)表示为:其中,κ
k
(z)表示杂波密度,z表示观测状态参数,H表示观测矩阵,U表示观测噪声的协方差矩阵;S4.基于更新后的PHD获取其高斯分量权重和当前时刻的量测z
k
之间的相关性;S5.利用前一时刻量测z
k
‑1替代新目标的预测函数获得新...
【专利技术属性】
技术研发人员:薛永宏,韩晓亚,乔凯,樊士伟,
申请(专利权)人:中国人民解放军六三九二一部队,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。