MM-CBMeMBer 滤波器跟踪多机动目标

熊波; 甘露

doi:10.3724/SP.J.1300.2012.20043

MM-CBMeMBer 滤波器跟踪多机动目标

doi: 10.3724/SP.J.1300.2012.20043

熊波,
甘露

1.
(电子科技大学电子工程学院成都 611731)

基金项目:

中国工程物理研究院科学基金(2010A040317)和中央高校基本科研业务费专项资金(ZYGX2010J027)

详细信息

作者简介:
熊波(1987-)，女，四川内江人，电子科技大学硕士研究生在读，研究方向为多目标跟踪、混沌通信。E-mail:xiong435943993@163.com 甘露(1974-)，男，四川成都人，电子科技大学副教授，主要研究对象为波达方向估计、频率估计、阵列测向、调制识别。E-mail:ganlu@uestc.edu.cn

Multiple Maneuvering Targets Tracking Using MM-CBMeMBer Filter

Xing Bo,
Gan Lu

1.
(University of Electronic Science and Technology of China, Chengdu 611731, China)

摘要: 多模型(Multiple Model, MM)概率假设密度(Probability Hypothesis Density, PHD)滤波器能同时估计机动目标个数及状态，但其序贯蒙特卡罗(Sequential Monte Carlo, SMC)实现运用粒子聚类算法提取目标状态，不仅引入额外计算量，且可能导致目标丢失。针对这一问题，该文提出一种基于多模型的势平衡无偏多目标多伯努利(Multiple Model Cardinality Balanced Multiple target Multi-Bernoulli, MM-CBMeMBer)滤波器，在每次扫描杂波数低于20，检测概率大于0.9 的环境中，该方法利用一组伯努利参数近似机动目标状态的后验概率，并通过对伯努利参数的简单运算估计出目标状态，有效地避免了常规聚类算法。仿真结果表明，该方法与多模型概率假设密度滤波器相比，表征估计误差的最优子模型分配距离明显降低。
Abstract: The existing multiple model hypothesis density filter can estimate the number and state of maneuvering targets at the same time. Yet its Sequential Monte Carlo (SMC) implementation involves clustering algorithm, which is unstable and time consuming, and may result in tracking target loss. To solve the problem, this paper proposes a Multiple Model (MM) Cardinality Balanced Multiple target Multi-Bernoulli (CBMeMBer) filter. When the clutter number of per-scan is less than 20 and detection probability is higher than 0.9, this lgorithm transmits the posterior density of maneuvering targets through a set of time-varying Bernoulli parameters, according to which, the targets state can be computed by simple operations, thus effectively avoids the clustering algorithm. Simulation results shows that compared with multiple model hypothesis density filter, the algorithm proposed decreased the OSPA distance which chooses to estimate tracking errors.

[1]	柳超, 王月基. 对海探测雷达多目标跟踪技术综述 . 雷达学报, 2020, 9(): 1-16. doi: 10.12000/JR20081
[2]	马琳, 潘宗序, 黄钟泠, 韩冰, 胡玉新, 周晓, 雷斌. 基于子孔径与全孔径特征学习的SAR多通道虚假目标鉴别 . 雷达学报, 2020, 9(): 1-14. doi: 10.12000/JR20106
[3]	金亚秋. 多模式遥感智能信息与目标识别：微波视觉的物理智能 . 雷达学报, 2019, 8(6): 710-716. doi: 10.12000/JR19083
[4]	李强, 范怀涛. 基于辅助数字高程模型的方位多通道SAR相位失配校正方法 . 雷达学报, 2019, 8(5): 616-623. doi: 10.12000/JR19009
[5]	王经鹤, 易伟, 孔令讲. 组网雷达多帧检测前跟踪算法研究 . 雷达学报, 2019, 8(4): 490-500. doi: 10.12000/JR18092
[6]	裴家正, 黄勇, 董云龙, 何友, 陈小龙. 杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法 . 雷达学报, 2019, 8(3): 355-365. doi: 10.12000/JR18060
[7]	冀广宇, 董勇伟, 卜运成, 李焱磊, 周良将, 梁兴东. 基于目标相干性表征差异的多波段SAR相干变化检测方法 . 雷达学报, 2018, 7(4): 455-464. doi: 10.12000/JR18020
[8]	陈帅霖, 罗丰, 张林让, 胡冲, 陈世超. 基于动态规划的机动目标加权自适应相参积累方法 . 雷达学报, 2017, 6(3): 309-315. doi: 10.12000/JR17002
[9]	张新征, 谭志颖, 王亦坚. 基于多特征-多表示融合的SAR图像目标识别 . 雷达学报, 2017, 6(5): 492-502. doi: 10.12000/JR17078
[10]	尉强, 刘忠. 多普勒盲区下基于GM-PHD的雷达多目标跟踪算法 . 雷达学报, 2017, 6(1): 34-42. doi: 10.12000/JR16125
[11]	杨军, 张群, 罗迎, 邓冬虎. 基于压缩感知的认知雷达多目标跟踪方法 . 雷达学报, 2016, 5(1): 90-98. doi: 10.12000/JR14107
[12]	梁福来, 李浩楠, 祁富贵, 安强, 王健琪. UWB MIMO生物雷达多静止人体目标成像方法研究 . 雷达学报, 2016, 5(5): 470-476. doi: 10.12000/JR16096
[13]	李海, 张志强, 周盟. 基于WVD的机载相控阵雷达机动目标检测及参数估计方法 . 雷达学报, 2015, 4(4): 393-400. doi: 10.12000/JR15094
[14]	李海, 刘新龙, 周盟, 刘维建. 基于修正自适应匹配滤波器的机动目标检测方法 . 雷达学报, 2015, 4(5): 552-559. doi: 10.12000/JR15105
[15]	杨金龙, 刘风梅, 王冬, 葛洪伟. 基于近邻传播聚类的多扩展目标量测集划分算法 . 雷达学报, 2015, 4(4): 452-459. doi: 10.12000/JR15003
[16]	谭云华, 王李波, 李廉林. 一种抑制探地/穿墙成像多径虚假目标的新型概率模型:数值研究(英文) . 雷达学报, 2015, 4(5): 509-517. doi: 10.12000/JR15066
[17]	闵涛, 王象, 肖顺平. 基于复数指示角差异的多基地雷达密集多目标存在性检测 . 雷达学报, 2014, 3(4): 456-464. doi: 10.3724/SP.J.1300.2014.13116
[18]	欧阳成, 陈晓旭, 华云. 改进的最适高斯近似概率假设密度滤波 . 雷达学报, 2013, 2(2): 239-246. doi: 10.3724/SP.J.1300.2013.13010
[19]	钱广华, 李颖, 骆荣剑. 机动目标跟踪中一种机动频率和方差自适应滤波算法 . 雷达学报, 2013, 2(2): 257-264. doi: 10.3724/SP.J.1300.2013.13003
[20]	吴伟, 尹成友. 一种用于多目标跟踪的增强型SMC-PHD 滤波算法 . 雷达学报, 2012, 1(4): 406-413. doi: 10.3724/SP.J.1300.2012.20094

点击查看大图

计量

文章访问数: 2124
HTML全文浏览量: 100
PDF下载量: 2603
被引次数: 0

MM-CBMeMBer 滤波器跟踪多机动目标

1. (电子科技大学电子工程学院成都 611731)

基金项目:

中国工程物理研究院科学基金(2010A040317)和中央高校基本科研业务费专项资金(ZYGX2010J027)

作者简介:
熊波(1987-)，女，四川内江人，电子科技大学硕士研究生在读，研究方向为多目标跟踪、混沌通信。E-mail:xiong435943993@163.com 甘露(1974-)，男，四川成都人，电子科技大学副教授，主要研究对象为波达方向估计、频率估计、阵列测向、调制识别。E-mail:ganlu@uestc.edu.cn

收稿日期: 2012-05-28

修回日期: 2012-07-02

刊出日期: 2012-06-28

关键词:

多机动目标跟踪 /

概率假设密度(Probability Hypothesis Density, PHD) /

势平衡无偏多目标多伯努利(Cardinality Balanced Multiple target Multi-Bernoulli, CBMeMBer) /

多模型(Multiple Model, MM) /

序贯蒙特卡罗(Sequential Monte Carlo, SMC)

摘要: 多模型(Multiple Model, MM)概率假设密度(Probability Hypothesis Density, PHD)滤波器能同时估计机动目标个数及状态，但其序贯蒙特卡罗(Sequential Monte Carlo, SMC)实现运用粒子聚类算法提取目标状态，不仅引入额外计算量，且可能导致目标丢失。针对这一问题，该文提出一种基于多模型的势平衡无偏多目标多伯努利(Multiple Model Cardinality Balanced Multiple target Multi-Bernoulli, MM-CBMeMBer)滤波器，在每次扫描杂波数低于20，检测概率大于0.9 的环境中，该方法利用一组伯努利参数近似机动目标状态的后验概率，并通过对伯努利参数的简单运算估计出目标状态，有效地避免了常规聚类算法。仿真结果表明，该方法与多模型概率假设密度滤波器相比，表征估计误差的最优子模型分配距离明显降低。

MM-CBMeMBer 滤波器跟踪多机动目标

doi: 10.3724/SP.J.1300.2012.20043

Multiple Maneuvering Targets Tracking Using MM-CBMeMBer Filter

计量

MM-CBMeMBer 滤波器跟踪多机动目标

doi: 10.3724/SP.J.1300.2012.20043

1. (电子科技大学电子工程学院成都 611731)

English Abstract

Multiple Maneuvering Targets Tracking Using MM-CBMeMBer Filter

1. (University of Electronic Science and Technology of China, Chengdu 611731, China)

全文HTML

目录

期刊介绍

联系我们

MM-CBMeMBer 滤波器跟踪多机动目标

doi: 10.3724/SP.J.1300.2012.20043

Multiple Maneuvering Targets Tracking Using MM-CBMeMBer Filter

计量

出版历程

MM-CBMeMBer 滤波器跟踪多机动目标

doi: 10.3724/SP.J.1300.2012.20043

1. (电子科技大学电子工程学院 成都 611731)

English Abstract

Multiple Maneuvering Targets Tracking Using MM-CBMeMBer Filter

1. (University of Electronic Science and Technology of China, Chengdu 611731, China)

全文HTML

目录

期刊介绍

联系我们

1. (电子科技大学电子工程学院成都 611731)