一种基于GM-PHD滤波的纯方位多目标跟踪方法研究

摘要

针对被动声纳多目标纯方位跟踪问题,研究了一种基于高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GM-PHD)滤波的多目标方位跟踪方法.鉴于被动声纳观测信息的非线性,提出一种基于卡尔曼滤波(Kalman Filter,KF)预测及扩展卡尔曼滤波(Extended Kalman Filter,EKF)更新的GM-PHD滤波跟踪算法.通过建立目标状态和目标观测模型,利用多目标运动状态信息及双基地被动声纳方位观测信息,对多目标方位跟踪进行仿真,并将GM-PHD跟踪方法与传统跟踪方法的跟踪效果进行比较.结果表明,本文方法可在复杂杂波环境、目标新生及衍生和目标交叉情况下对多目标进行有效跟踪.