基于最大熵模糊聚类的新型PHD滤波算法

摘要

概率假设密度(PHD)滤波是实现多目标跟踪(MTT)的一种有效算法,然而由于其推导过程使用了泊松近似,因而带来了较大的势估计误差。提出了最大熵模糊多目标粒子‑PHD(MEFMOP‑PHD)滤波算法,利用最大熵模糊聚类算法构造联合概率数据关系(JPDA)算法中的关联概率矩阵,同时结合标签技术与聚矩阵对关联概率矩阵进行修正,从而使算法在节省运算量的同时达到较好的跟踪效果。该滤波算法对PHD密度的近似采用了高斯混合(GM)形式,并通过仿真试验与传统的高斯混合滤波算法进行了比较,最终验证了算法在低检测概率下的优越性。