高斯过程回归模型多扩展目标多伯努利滤波器
陈辉1
李国财1
韩崇昭2
杜金瑞1
1.兰州理工大学电气工程与信息工程学院,甘肃兰州7300502.西安交通大学电子与信息工程学院综合自动化研究所,陕西西安710049
摘要：针对复杂不确定性环境下不规则形状的多扩展目标跟踪问题,本文提出了一种基于高斯过程回归(GPR)模型的多扩展目标多伯努利(GPR–ETCBMeMBer)滤波算法.首先,在利用有限集统计理论(FISST)将多扩展目标的状态集与量测集分别建模为多伯努利随机有限集(MBer RFS)和泊松随机有限集(Poisson RFS)的基础上,通过GPR方法建立多扩展目标随机超曲面的跟踪滤波模型.然后,基于容积卡尔曼滤波器(CKF)详细推导并提出GPR多扩展目标多伯努利滤波算法的高斯混合(GM)实现.最后,通过构造对星凸形多扩展目标和多群目标跟踪的仿真实验验证了本文所提算法的有效性.
关键词：多扩展目标跟踪随机超曲面高斯过程回归随机有限集多伯努利滤波器
资助基金：国防科技工业技术基础科研(JCKY2018427C002)国家自然科学基金(61873116)国家自然科学基金(51668039)国家自然科学基金(61763029)甘肃省科技计划(18JR3RA137)
论文发表日期：2020-09-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：13( 1931-1943 )
英文信息