高斯过程回归下的扩展目标高斯粒子滤波算法

摘要

针对扩展目标外形估计复杂、基于随机超曲面的扩展目标卡尔曼滤波器跟踪稳定性差的问题,提出一种高斯过程回归下的扩展目标高斯粒子滤波算法.该算法采用星凸模型对扩展目标进行建模,通过高斯过程在线学习扩展目标外形;同时基于高斯粒子滤波器鲁棒性强,较好解决粒子退化的特性,对目标的运动状态进行跟踪.仿真实验表明,对任意未知形状的目标,所提算法都能很好的给出其扩展形态,且对目标跟踪精度及稳定性都有很大的提高.