电子学报

• 学术论文 • 上一篇    下一篇

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. 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 发布日期: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. 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

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: