基于PHD濾波的箱粒子劃分多目標跟蹤算法

吳孫勇， 寧巧嬌， 蔡如華， 劉義強， 孫希延

(1.桂林電子科技大學數學與計算科學學院，廣西 桂林 541004; 2.廣西精密導航技術與應用重點實驗室，廣西 桂林 541004)

0 引言

多目標跟蹤是指對獲得的多個量測信息進行處理，實現對多個目標的狀態估計。非線性動態隨機系統的多目標檢測與跟蹤方法中的量測具有隨機性、集合論以及數據聯合不確定性[1]3個不確定性。美國數學家MAHLER在隨機有限集理論(RFS)的基礎上，提出了有限集統計學理論(FISST)[2]，隨后提出了概率假設密度(Probability Hypothesis Density，PHD)濾波[3]。PHD濾波是用一階統計矩近似后驗概率密度函數，該算法將復雜的多目標狀態空間運算轉化為單目標狀態空間運算，有效避免了復雜數據聯合問題。文獻[4]給出了PHD濾波的序貫蒙特卡羅實現，也稱粒子濾波，可以解決非線性、非高斯條件下的多目標跟蹤。

雖然粒子濾波可以解決非線性、非高斯條件下的多目標跟蹤，但為了達到較好的效果，通常需要大量的粒子去擬合。粒子數量較大時，會導致計算量增加，需要更多的運行時間。近年來，國外學者ABDALLAH，GNING和RISTIC等將區間分析的方法引入到粒子濾波中，提出了箱粒子濾波算法，箱粒子濾波既能有效減少粒子數,又能很好提高跟蹤性能[5-6]；隨后SCHIKORA等[7-8]結合隨機有限集濾波提出了BOX-PHD濾波的多目標跟蹤算法，該算法只需更少的粒子就能達到傳統粒子PHD濾波的跟蹤效果，計算效率更高。所以近年來，箱粒子濾波因其優勢已經應用于機動目標跟蹤[9]、未知雜波環境下的目標跟蹤[10]、擴展目標[11-13]和群目標跟蹤[14]等研究。……