基于多傳感器信息融合的擴展目標GIW-PHD跟蹤算法

李鵬 張駿男 王杰 陳澄 邱駿達 由從哲

[摘 ? ?要]針對擴展目標跟蹤和形狀估計問題，單個傳感器探測數據并不夠精準，需要多個傳感器聯合探測。然而，現有擴展目標跟蹤算法對多傳感器情況未做討論。因此，文章提出1種基于傳感器探測角度的三維擴展目標量測模型和多傳感器信息融合算法，并將其應用到GIW-PHD算法中。仿真實驗證明了提出的算法運動狀態和形狀估計能力優于現有算法。

[關鍵詞]擴展目標; GIW-PHD; 多傳感器

[中圖分類號]TP212 [文獻標志碼]A [文章編號]2095–6487（2022）03–0–03

Extended Target GIW-PHD Tracking Algorithm Based

on Multi-sensor Information Fusion

Li Peng，Zhang Jun-nan，Wang Jie，Chen Cheng，Qiu Jun-da，You Cong-zhe

[Abstract]For the problem of extended target tracking and shape estimation， the detection data of a single sensor is not accurate enough， and multiple sensors need to be jointly detected. However， existing extended target tracking algorithms have not discussed the multi-sensor case. Therefore， this paper proposes a 3D extended target measurement model and multi-sensor information fusion algorithm based on sensor detection angle， and applies it to the GIW-PHD algorithm. Simulation experiments show that the proposed algorithm has better motion state and shape estimation ability than existing algorithms.

[Keywords]extended target， GIW-PHD， multi-sensor

1 概述

傳統的目標跟蹤算法認為單個目標每幀僅產生1個量測。然而，隨著傳感器精度的提高，單個目標可能占用傳感器的多個分辨單元，因此單個目標每幀可能產生多個量測，稱這樣的目標為擴展目標[1]（Extened object）。針對擴展目標跟蹤問題，Koch等人提出了基于隨機矩陣的擴展目標跟蹤算法[2-4]。RMF利用卡爾曼濾波估計擴展目標的質心運動狀態，認為目標量測的協方差矩陣服從逆威沙特分布，從而估計橢圓目標的形狀信息。

RMF僅能估計單擴展目標的狀態，因此，Granstr?m等人基于多擴展目標PHD跟蹤濾波框架[5]和RMF，提出了Gaussian Inverse Wishart PHD算法[6]（GIW-PHD），能夠在雜波環境下跟蹤并估計多橢圓擴展目標的狀態。文獻[7-9]給出了基于PHD的其它跟蹤算法。然而，GIW-PHD算法沒有在多傳感器情況下做相關討論，真實場景中，單個傳感器僅能從1個角度對目標進行探測，因此不能提供完整的目標狀態數據。

針對上述問題，文章提出1種基于多傳感器信息融合的GIW-PHD算法。①提……