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

侯利明; 连峰; 谭顺成; 徐从安

doi:10.12263/DZXB.20200960

您当前的位置：

首页 >

文章列表页 >

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

学术论文 | 更新时间：2025-12-08

- 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
- Robust Generalized Labeled Multi‑Bernoulli Filter for Multi‑Target Tracking with Unknown Statistical Characteristics of Glint Noise
- 电子学报 2021年49卷第7期页码：1346-1353
- 作者机构：
  
  1.西安交通大学自动化科学与工程学院综合自动化研究所，陕西西安 710049
  2.南京电子技术研究所，江苏南京 210039
  3.海军航空大学信息融合研究所，山东烟台 264001
- 作者简介：
  
  [ "侯利明　男，1987年9月出生，河南延津人，博士研究生. 主要研究方向为目标跟踪、信息融合与传感器管理. E‑mail:hliming2017@stu.xjtu.edu.cn" ]
  [ "连　峰　男，1981年9月出生，陕西宝鸡人，博士，教授，博士生导师. 主要研究方向为目标跟踪、信息融合与传感器管理. E‑mail: lianfeng1981@xjtu.edu.cn" ]
  [ "谭顺成（通讯作者）　男，1985年12月出生，湖南湘潭人，南京电子技术研究所博士后，海军航空大学讲师. 主要研究方向为信息融合、雷达数据处理. E‑mail: tanshuncheng85@sina.com" ]
- 基金信息：
  
  国家自然科学基金(61671462;61473217);国家公派留学基金(201906280272);陕西省自然科学基础研究计划(2020JQ⁃073)
- DOI：10.12263/DZXB.20200960
  中图分类号： TP391
- 收稿：2020-08-31，
  
  修回：2021-03-03，
  
  纸质出版：2021-07-25
- 稿件说明：
移动端阅览
侯利明,连峰,谭顺成等.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(07):1346-1353.

HOU Li-ming,LIAN Feng,TAN Shun-cheng,et al.Robust Generalized Labeled Multi‑Bernoulli Filter for Multi‑Target Tracking with Unknown Statistical Characteristics of Glint Noise[J].ACTA ELECTRONICA SINICA,2021,49(07):1346-1353.
侯利明,连峰,谭顺成等.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(07):1346-1353. DOI： 10.12263/DZXB.20200960.

HOU Li-ming,LIAN Feng,TAN Shun-cheng,et al.Robust Generalized Labeled Multi‑Bernoulli Filter for Multi‑Target Tracking with Unknown Statistical Characteristics of Glint Noise[J].ACTA ELECTRONICA SINICA,2021,49(07):1346-1353. DOI： 10.12263/DZXB.20200960.

摘要

为了解决闪烁噪声统计特性未知情况下的多目标跟踪问题，提出一种鲁棒广义标签多伯努利（Generalized Labeled Multi⁃Bernoulli

GLMB）滤波器.该滤波器采用均值未知且时变的多维Student’s t分布对统计特性未知的闪烁噪声进行建模.它放宽了闪烁噪声均值为零的限制性假设，可以自适应地处理闪烁噪声均值未知且时变条件下的多目标跟踪问题.本文在GLMB滤波框架下，利用变分贝叶斯方法对增广状态中的参数进行变分迭代，并通过最小化Kullback⁃Leibler散度得到边缘似然函数的近似解.仿真结果表明，在闪烁噪声统计特性未知的情况下，所提滤波器能有效地对多目标进行跟踪.

Abstract

A robust generalized labeled multi‑Bernoulli (GLMB) filter is presented to perform multi‑target tracking (MTT) with unknown statistical characteristics of glint noise. The glint noise with unknown statistical characteristics is modeled as a multivariate Student’s t distribution with unknown and time‑varying mean. The proposed filter relaxes the restrictive assumption that the mean of glint noise is zero

and can effectively deal with the problem of MTT under the condition that the mean of glint noise is unknown and time‑varying. The variational Bayesian approximation is applied in the GLMB filtering framework with the augmented state. The approximate solution of the marginal likelihood function can be obtained by minimizing the Kullback‑Leibler divergence. The simulation results demonstrate that the proposed filter can effectively track multi‑target when the statistics of glint noise is unknown.

关键词

Keywords

references

刘妹琴，兰剑 . 目标跟踪前沿理论与应用［M］. 北京：科学出版社， 2015 . 155 - 156 .

Fortmann T ， Bar‑Shalom Y ， Scheffe M . Sonar tracking of multiple targets using joint probabilistic data association ［J］. IEEE Journal of Oceanic Engineering ， 2003 ， 8 （ 3 ）： 173 - 184 .

Blackman S S . Multiple hypothesis tracking for multiple target tracking ［J］. IEEE Aerospace and Electronic Systems Magazine ， 2004 ， 19 （ 1 ）： 5 - 18 .

Mahler R P S . Statistical Multisource‑Multitarget Information Fusion ［M］. Norwood， MA ： Artech House ， 2007 . 434 - 454 .

Vo B T ， Vo B N . Labeled random finite sets and multi‑object conjugate priors ［J］. IEEE Transactions on Signal Processing ， 2013 ， 61 （ 13 ）： 3460 - 3475 .

Vo B N ， Vo B T ， Phung D . Labeled random finite sets and the Bayes multi‑target tracking filter ［J］. IEEE Transactions on Signal Processing ， 2014 ， 62 （ 24 ）： 6554 - 6567 .

Mahler R P S . Multitarget Bayes filtering via first‑order multitarget moments ［J］. IEEE Transactions on Aerospace and Electronic Systems ， 2003 ， 39 （ 4 ）： 1152 - 1178 .

Vo B N ， Ma W K . The Gaussian mixture probability hypothesis density filter ［J］. IEEE Transactions on Signal Processing ， 2006 ， 54 （ 11 ）： 4091 - 4104 .

Mahler R P S . PHD filters of higher order in target number ［J］. IEEE Transactions on Aerospace and Electronic Systems ， 2007 ， 43 （ 4 ）： 1523 - 1543 .

Vo B T ， Vo B N ， Cantoni A . Analytic implementations of the cardinalized probability hypothesis density filter ［J］. IEEE Transactions on Signal Processing ， 2007 ， 55 （ 7 ）： 3553 - 3567 .

Vo B T ， Vo B N ， Cantoni A . The cardinality balanced multi‑target multi‑Bernoulli filter and its implementations ［J］. IEEE Transactions on Signal Processing ， 2009 ， 57 （ 2 ）： 409 - 423 .

Vo B N ， Vo B T ， Hoang H G . An efficient implementation of the generalized labeled multi‑Bernoulli filter ［J］. IEEE Transactions on Signal Processing ， 2017 ， 65 （ 8 ）： 1975 - 1987 .

Punchihewa Y ， Vo B N ， Vo B T . A generalized labeled multi‑Bernoulli filter for maneuvering targets ［A］. The 19th International Conference on Information Fusion ［C］. Heidelberg， Germany ： IEEE ， 2016 . 980 - 986 .

Punchihewa Y ， Vo B T ， Vo B N ， et al . Multiple object tracking in unknown backgrounds with labeled random finite sets ［J］. IEEE Transactions on Signal Processing ， 2018 ， 66 （ 11 ）： 3040 - 3055 .

Bryant D S ， Vo B T ， Vo B N ， Jones B A . A generalized labeled multi‑Bernoulli filter with object spawning ［J］. IEEE Transactions on Signal Processing ， 2018 ， 66 （ 23 ）： 6177 - 6189 .

Bilik I ， Tabrikian J . Maneuvering target tracking in the presence of glint using the nonlinear Gaussian mixture Kalman filter ［J］. IEEE Transactions on Aerospace and Electronic Systems ， 2010 ， 46 （ 1 ）： 246 - 262 .

Chang D ， Wu W . Feedback median filter for robust preprocessing of glint noise ［J］. IEEE Transactions on Aerospace and Electronic Systems ， 2000 ， 36 （ 4 ）： 1026 - 1035 .

Wüthrich M ， Cifuentes C C ， Trimpe S ， et al . Robust Gaussian filtering using a pseudo measurement ［A］. American Control Conference ［C］. Boston， MA， USA ： IEEE ， 2016 . 3606 - 3613 .

Li W L ， Jia Y M ， Du J P ， Zhang J . PHD filter for multi‑target tracking with glint noise ［J］. Signal Processing ， 2014 ， 94 ： 48 - 56 .

Xu D J ， Shen C ， Shen F . A robust particle filtering algorithm with non‑Gaussian measurement noise using student‑t distribution ［J］. IEEE Signal Processing Letters ， 2014 ， 21 （ 1 ）： 30 - 34 .

Huang Y L ， Zhang Y G ， Li N ， et al . A robust Gaussian approximate filter for nonlinear systems with heavy tailed measurement noises ［A］. IEEE International Conference on Acoustics， Speech and Signal Processing. Shanghai ， China ： IEEE ， 2016 . 4209 - 4213 .

Dong P ， Jing Z L ， Leung H ， et al . The labeled multi‑Bernoulli filter for multitarget tracking with glint noise ［J］. IEEE Transactions on Aerospace and Electronic Systems ， 2019 ， 55 （ 5 ）： 2253 - 2268 .

Mukherjee A ， Sengupta A . Estimating the probability density function of a nonstationary non‑Gaussian noise ［J］. IEEE Transactions on Industrial Electronics ， 2010 ， 57 （ 4 ）： 1429 - 1435 .

Du H Y ， Wang W J ， Bai L . Observation noise modeling based particle filter： An efficient algorithm for target tracking in glint noise environment ［J］. Neurocomputing ， 2015 ， 158 ： 155 - 166 .

Huang Y L ， Jia G L ， Chen B D ， et al . A new robust Kalman filter with adaptive estimate of time‑varying measurement bias ［J］. IEEE Signal Processing Letters ， 2020 ， 27 ： 700 - 704 .

Bishop C M . Pattern Recognition and Machine Learning ［M］. New York ， USA： Springer‑Verlag ， 2006 . 233 - 235 .

Beal M J . Variational algorithms for approximate Bayesian inference ［D］. University College London ， 2003 .

Schuhmacher D ， Vo B T ， Vo B N . A consistent metric for performance evaluation of multi‑object filters ［J］. IEEE Transactions on Signal Processing ， 2008 ， 56 （ 8 ）： 3447 - 3457 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据