高斯混合粒子PHD滤波被动测角多目标跟踪

来源期刊：控制与决策2011年第3期

论文作者：张俊根 姬红兵

文章页码：413 - 417

关键词：多目标跟踪;随机集;概率假设密度;被动测角;拟蒙特卡罗积分;

摘    要：为解决目标数未知或随时间变化的多目标跟踪问题,通常将多目标状态和观测数据表示成随机集形式,并通过递推计算目标状态联合分布的概率假设密度(PHD)来完成.然而,对于被动测角的非线性跟踪问题,PHD无法获得闭合解,为此提出一种新的高斯混合粒子PHD算法.该算法利用高斯混合近似PHD,以避免用聚类确定目标状态,并采用拟蒙特卡罗(QMC)积分方法计算目标状态的预测和更新分布.仿真结果验证了所提出算法的有效性.