基于线性时间交互多模关联的机动多扩展目标跟踪方法

本发明提出了一种基于线性时间交互多模关联的机动多扩展目标跟踪方法，首先，利用椭圆高斯误差空间测量模型对目标状态参数进行精确数学表达，并通过加权融合技术结合前一时刻模型表现来确定输入初始值和协方差；其次，排除杂波干扰，对测量数据进行筛选，实现线性边缘概率关联，并通过二阶扩展卡尔曼滤波对运动参数进行估计，同时引入伪测量技术增强形状参数估计的鲁棒性；最后，采用测量集合质心减轻多量测对计算残差的不利影响，通过不同模型的似然函数自适应调整模型概率转移矩阵，提高目标跟踪的准确性和鲁棒性。仿真实验表明，本发明对机动多扩展目标具有较好的跟踪性能，相较于其他跟踪方法更加精确。