高斯混合標簽多伯努利濾波器的傳感器控制策略

陳 輝, 劉雅婷, 王 莉

(蘭州理工大學 電氣工程與信息工程學院, 甘肅 蘭州 730050)

在現代軍事領域中,多目標跟蹤[1-4]的環境愈加復雜,需要對多目標的狀態與航跡進行實時跟蹤估計,從而改善監控區域內認知與對抗的過程,并依據傳感器控制[3,5]的優化準則最大程度去優化接收信息的質量.

近年來,多目標跟蹤算法一直備受關注.其中,基于隨機有限集 (random finite set,RFS)[3]的多目標跟蹤算法是直接在多目標貝葉斯濾波框架下,根據量測集合遞推來計算多目標的后驗概率密度,該方法可以避免量測與目標之間的數據關聯.在基于RFS的多目標跟蹤算法中,勢均衡多目標多伯努利 (cardinality balanced multi-target multi-bernoulli,CBMeMBer)[6]濾波器相比于其他濾波器,其在狀態提取時不需要聚類運算,可通過一組數量固定且相互獨立的伯努利參數直接近似多目標密度得到,從而能夠有效降低其計算復雜度.但CBMeMBer濾波算法僅僅對多目標的運動狀態和數目進行估計,而無法對目標航跡這一關鍵信息進行估計分析. 因此,Vo等[7-8]于2013年將RFS理論與數據關聯中的多假設思想相結合,提出廣義標簽多伯努利濾波(generalized labeled multi-Bernoulli filter,GLMB)算法,后續對GLMB濾波算法近似得到標簽多伯努利濾波(labeled multi-Bernoulli filter,LMB)[9]算法.與 GLMB 濾波相比,LMB濾波算法是通過減少部分跟蹤精度來有效降低計算復雜度,可采用高斯混合(Gaussian mixture,GM)的實現方式,在線性高雜波密度場景下有較好的濾波效果.

隨著多傳感器信息融合技術的發展,在實現對多目標跟蹤后,傳感器控制優化決策方案亦受到廣泛關注.多目標……