一种非线性GM-PHD滤波新方法

doi:10.3969/j.issn.0372-2112.2012.08.016

电子学报

一种非线性GM-PHD滤波新方法

王品¹, 谢维信¹, 刘宗香¹, 李鹏飞²

1. 深圳大学ATR国防科技重点实验室, 广东深圳 518060;
2. 防空兵指挥学院, 河南郑州 450052

收稿日期:2011-12-27 修回日期:2012-03-28 出版日期:2012-08-25
- 作者简介:
- 王品 女.1983年生于山东省定陶县,2005年和2008年分别获鲁东大学学士学位和中国海洋大学硕士学位.现为深圳大学在读博士生.主要研究方向为数据融合、随机集理论. E-mail:wangpin@vip.qq.com 谢维信 男.教授、博士生导师、中国电子学会信号处理分会主任委员.1941生于广东省花都、1965年毕业于西安军事电讯工程学院,1981-1983年和1989-1990年分别在美国宾西法尼亚大学作访问学者和访问教授.主要研究方向为信号处理、智能信息处理、模糊信息处理、雷达目标识别等. E-mail:wxxie@szu.edu.cn 刘宗香 男.1965年生于河南省光山县,1985和1988年分别获天津大学学士学位和硕士学位,2005年获西安电子科技大学工学博士学位.现为深圳大学副研究员,获军队科技进步奖10项.主要研究方向为数据融合、智能信号处理、模糊信号处理. E-mail:zongxiangliu@sohu.com 李鹏飞 男.1981年出生于山东日照,2004年和2007年分别获防空兵学院军事学学士学位和工学硕士学位,2010年获深圳大学工学博士学位.现为防空兵指挥学院讲师,主要研究方向为多传感器数据融合、雷达数据处理. E-mail:roc5683@szu.edu.cn
- 基金资助:
- 国防预研基金 (No.51326030204); 国家重点实验室基金 (No.9140C8004011007); 国家科技支撑计划项目 (No.2011BAH201302,No.2011BAH20B03)

A Novel Gaussian Mixture PHD Filter for Nonlinear Models

WANG Pin¹, XIE Wei-xin¹, LIU Zong-xiang¹, LI Peng-fei²

1. ATR Lab, Shenzhen University, Shenzhen, Guangdong 518060, China;
2. Air Defense Forces Command Academy, Zhengzhou, Henan 450052, China

Received:2011-12-27 Revised:2012-03-28 Online:2012-08-25 Published:2012-08-25
- Supported by:
- National Defense Pre-research Foundation of China (No.51326030204); State Key Laboratory Foundation (No.9140C8004011007); Project of National Key Technology R&D Program (No.2011BAH201302, No.2011BAH20B03)

摘要/Abstract

摘要： 为了解决目标数未知情况下的多目标跟踪问题,提出了一种非线性条件下的高斯混合概率假设密度滤波新方法.该方法利用三阶球面容积-径向采样规则计算目标状态的概率分布特性,解决了状态方程和观测方程的非线性计算问题,利用模糊门限对滤波器的剪枝方法进行了优化,避免了高斯项数目的指数增长,利用观测数据生成新目标密度,使滤波器具备了对观测空间任意位置随机出现新目标的跟踪能力.通过仿真实验比较了四种非线性高斯混合概率假设密度滤波方法的性能,实验结果验证了提出算法的有效性.

关键词: 多目标跟踪, 随机有限集, 概率假设密度滤波器, 容积卡尔曼滤波, 模糊门限

Abstract: To solve the problem of multi-target tracking model with the time-varying number of targets,a novel Gaussian mixture PHD filter is proposed for the nonlinear Gaussian system.A third-degree Spherical-Radial rule is applied to calculate the prediction and update distributions of target states for nonlinear multi-target models.The pruning method is optimized by using a fuzzy threshold to avoid the exponential increasing of the Gaussian components.The measurements are used to generate the density of new targets that appear randomly anywhere in the observation space.The performance of the four nonlinear Gaussian Mixture PHD filters is compared.The simulation results demonstrated the efficiency of the proposed algorithm.

Key words: multi-target tracking, random sets, PHD filter, cubature Kalman filter, fuzzy threshold

中图分类号:

TP391
TN953

王品, 谢维信, 刘宗香, 等. 一种非线性GM-PHD滤波新方法[J]. 电子学报, DOI: 10.3969/j.issn.0372-2112.2012.08.016.

WANG Pin, XIE Wei-xin, LIU Zong-xiang, et al. A Novel Gaussian Mixture PHD Filter for Nonlinear Models[J]. Acta Electronica Sinica, DOI: 10.3969/j.issn.0372-2112.2012.08.016.

参考文献

[1] Syed Ahmed Pasha,Hoang Duong Tuan,Ba-Ngu Vo.Nonlinear Bayesian filtering using the unscented linear fractional transformation model [J].IEEE Trans Signal Processing,2010,58(2):477-489.

[2] 童慧思,张颢,孟华东,等.PHD滤波器在多目标检测前跟踪中的应用[J].电子学报,2011,39(9):2046-2051. Tong Hui-si,Zhang Hao,Meng Hua-dong,et al.Probability hypothesis density filter multitarget track-before-detect application [J].Acta Electronica Sinica,2011,39(9):2046-2051.(in Chinese)

[3] Chenglin Wen,Zhiliang Li,Xiaobin Xu.A new method for extracting fuzzy evidence from fuzzy information based on the random set theory.7th World Congress on Intelligent Control and Automation.Chongqing,China:IEEE,2008.4999-5003.

[4] Mahler R.Statistical Multisource-Multitarget Information Fusion [M].Boston:Artech House Publishers,2007.565-692.

[5] BVo,S Singh,A Doucet.Sequential monte carlo methods for multi-target filtering with random finite sets [J].IEEE Trans Aerospace and Electronic Systems,2005,41(4):1224-1245.

[6] J Mullane,B -N Vo,M Adams,B -T Vo.A random finite set approach to bayesian SLAM [J].IEEE Trans Robotics,2011,27(2):268-282.

[7] Kusha Panta,Daniel Clark,Ba-Ngu Vo.Data association and management for the Gaussian mixture probability hypothesis [J].IEEE Trans Aerospace and Electronic Systems,2009,45(3):1003-1016.

[8] Ba-Ngu Vo,Wing-Kin Ma.The Gaussian mixture probability hypothesis density filter [J].IEEE Trans Signal Processing,2006,54(11):4091-4014.

[9] Ienkaran Arasaratnam,Simon Haykin.Cubature Kalman filters [J].IEEE Trans Autom Control,2009,54(6):1254-1269.

[10] 刘宗香,谢维信,黄敬雄,等.被动传感器网基于模糊综合贴近度的航迹起始[J].电子学报,2007,35(8):1476-1480. Liu Zong-xiang,Xie Wei-xin,Huang Jing-xiong,et al.Fuzzy track initiation algorithm in the passive sensor network [J].Acta Electronica Sinica,2007,39(3):1476-1480.

[11] K Panta,B Vo,S Singh.Novel data association technique for the probability hypothesis density filter [J].IEEE Trans Aerospace and Electronic Systems,2007,43(2):556-570.

[12] R Mahler,B -T Vo,B -N Vo.CPHD filtering in unknown clutter rate and detection profile.Proc.14th Annual Conf Information Fusion.Chicago,USA:IEEE,2011.1-30.

[13] D Clark,J Bell.Convergence results for the particle PHD filter [J].IEEE Trans Signal Processing,2006,54(7):2652-2661.

[14] D Clark,B Vo.Convergence analysis of the Gaussian mixture PHD filter [J].IEEE Trans Signal Processing,2007,55(4):1204-1212.

[15] Papi F,Battistelli G,Chisci L,et al.Multitarget tracking via joint PHD filtering and multiscan association.The 12th International Conference on Information Fusion.Seattle,WA,USA:ISIF,2009.1163-1170.

一种非线性GM-PHD滤波新方法

A Novel Gaussian Mixture PHD Filter for Nonlinear Models

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	吴孙勇, 李东升, 薛秋条, 孙希延, 蔡如华. 基于PHD滤波的雷达起伏目标检测前跟踪算法研究[J]. 电子学报, 2022, 50(3): 691-702.
[2]	侯利明, 连峰, 谭顺成, 徐从安. 闪烁噪声统计特性未知情况下的鲁棒广义标签多伯努利滤波器[J]. 电子学报, 2021, 49(7): 1346-1353.
[3]	罗大鹏, 杜国庆, 曾志鹏, 魏龙生, 高常鑫, 陈应, 肖菲, 罗琛. 基于少量样本学习的多目标检测跟踪方法[J]. 电子学报, 2021, 49(1): 183-191.
[4]	陈辉, 贺忠良, 邓东明, 李国财. 高斯混合多伯努利滤波器基于柯西施瓦兹散度的传感器控制方法[J]. 电子学报, 2020, 48(4): 706-716.
[5]	陈辉, 贺忠良, 连峰, 黎慧波. 基于高斯混合多目标滤波器的传感器控制策略[J]. 电子学报, 2019, 47(3): 521-530.
[6]	张浩为, 谢军伟, 葛佳昂, 宗彬锋, 路文龙. 基于波形调度的机动目标跟踪算法[J]. 电子学报, 2019, 47(3): 560-567.
[7]	连峰, 张修立, 魏博, 侯利明, 韩崇昭, 王伟. 基于多目标MS-OSPA下界的分散式传感器选择[J]. 电子学报, 2019, 47(10): 2158-2165.
[8]	闫雷兵, 陆音, 张业荣. 基于TOA/TDOA的一致性正交容积卡尔曼跟踪算法[J]. 电子学报, 2018, 46(8): 1989-1996.
[9]	熊志刚, 黄树彩, 苑智玮, 赵炜. 三维空间纯方位多目标跟踪PHD算法[J]. 电子学报, 2018, 46(6): 1371-1377.
[10]	曲长文, 冯奇, 李廷军. 基于分治-贪心算法的高斯混合多观测站CPHD滤波器[J]. 电子学报, 2018, 46(10): 2472-2479.
[11]	陈彦明, 赵清杰, 刘若宇. 一种适用于分布式摄像机网络的SCIWCF算法[J]. 电子学报, 2016, 44(10): 2335-2343.
[12]	徐从安, 熊伟, 刘瑜, 何友. 新生目标强度未知的单量测PHD滤波器[J]. 电子学报, 2016, 44(10): 2300-2307.
[13]	刘宗香, 谢维信, 李丽娟, 李良群. 非线性高斯系统边缘分布多目标贝叶斯滤波器[J]. 电子学报, 2015, 43(9): 1689-1695.
[14]	姜明新, 王培昌, 王洪玉. 基于视频多目标跟踪的高度测量算法[J]. 电子学报, 2015, 43(3): 591-596.
[15]	徐树生, 林孝工, 李新飞. 强跟踪自适应平方根容积卡尔曼滤波算法[J]. 电子学报, 2014, 42(12): 2394-2400.