基于高斯混合PHD滤波的多机动扩展目标跟踪

摘要

针对多机动椭圆目标的跟踪问题进行研究,建立一种非线性跳变马尔科夫系统模型,继而提出一种新的扩展目标高斯混合概率假设(ET-GM-PHD)滤波算法.新算法引用无损变换(UT)法,解决模型的非线性性,采用一种基于距离的启发式分区策略对观测集合进行了分区,该分区策略简便易操作而且能很大程度地降低算法的计算量.仿真实例表明:新算法比未进行分区的标准GM-PHD滤波算法更加强健有效.