基于边缘卡尔曼滤波的GM-PHD多目标被动跟踪算法

摘要

针对杂波干扰条件下,非线性、个数时变的多目标被动跟踪问题,提出一种基于边缘卡尔曼滤波的高斯混合概率假设密度(PHD)滤波算法.采用边缘化变换计算目标状态的概率分布特性,获得目标状态及其协方差矩阵估计的闭式解,解决目标模型非线性问题.利用量测信息生成新生目标强度,使滤波器具备对观测空间任意位置随机出现新目标的跟踪能力.实验结果表明,与扩展卡尔曼PHD算法、无迹卡尔曼PHD算法和容积卡尔曼PHD算法相比,该算法在生成目标轨迹、目标个数估计和跟踪精度等方面有更好的性能.