摘要：针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论（Finite Set Statistics,FISST）提出一种利用信号幅度信息的高斯混合概率假设密度（Gaussian Mixture-Probability Hypothesis Density,GM-PHD）滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社