基于箱粒子濾波的多目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤由于應(yīng)用廣泛，受到了專家學(xué)者的普遍關(guān)注。在實(shí)際的跟蹤場(chǎng)景中，感興趣的目標(biāo)往往不止一個(gè)，隨著運(yùn)動(dòng)目標(biāo)的出現(xiàn)和消失，目標(biāo)的數(shù)目也是實(shí)時(shí)變化的，相應(yīng)的多目標(biāo)跟蹤技術(shù)取得了巨大的發(fā)展。箱粒子濾波是近年來新提出的一種廣義的粒子濾波方法，具有所需粒子數(shù)目少，計(jì)算復(fù)雜度低，計(jì)算效率高等優(yōu)點(diǎn)。本文在箱粒子濾波基礎(chǔ)上，對(duì)多目標(biāo)跟蹤方法進(jìn)行了深入研究。
　　介紹了箱粒子濾波的理論基礎(chǔ)。箱粒子濾波本質(zhì)上是廣義的粒子濾波算法，它將區(qū)間分析這一數(shù)學(xué)

2、工具與傳統(tǒng)的蒙特卡洛算法相結(jié)合，用箱粒子代替了最大誤差已知的點(diǎn)粒子，是一種處理非精確量測(cè)的方法。跟傳統(tǒng)的粒子濾波算法相比箱粒子濾波算法體現(xiàn)出了良好的性能，在保持跟蹤精度的前提下，所用粒子數(shù)目少，減少了算法的計(jì)算量，節(jié)省了運(yùn)算時(shí)間，極大的提高了運(yùn)算效率。
　　本文在箱粒子和隨機(jī)集的基礎(chǔ)上，提出了一種新的多目標(biāo)跟蹤方法，箱粒子勢(shì)概率假設(shè)密度濾波方法（BP-CPHD）。該算法保持了箱粒子濾波算法優(yōu)點(diǎn)，又結(jié)合了CPHD濾波的優(yōu)勢(shì)。與傳統(tǒng)的

3、粒子 CPHD算法相比，它的計(jì)算復(fù)雜度低，運(yùn)算效率高。與基于箱粒子的概率假設(shè)密度（BP-PHD）算法相比，不需要對(duì)目標(biāo)數(shù)目的分布做出符合泊松分布的假設(shè)，較好的解決了濾波器對(duì)雜波和漏檢的敏感問題。通過遞推目標(biāo)數(shù)目的勢(shì)分布，對(duì)目標(biāo)數(shù)目做出了偏差更小的估計(jì)，從而提高了跟蹤效果。
　　在機(jī)動(dòng)目標(biāo)跟蹤問題中，結(jié)合提出的基于箱粒子的勢(shì)概率假設(shè)密度濾波（BP-CPHD）算法和交互多模型算法，提出了交互多模型的箱粒子勢(shì)概率假設(shè)密度濾波（IMM-B