一种基于势概率假设密度的多目标跟踪算法

在多目标跟踪，环境变化、传感器限制及不确定的动态目标数为目标的精确跟踪带来挑战。基于多特征辅助、高斯混合势概率假设密度滤波器、无迹卡尔曼滤波，本发明提出基于多特征辅助的高斯混合势概率假设密度滤波器的多目标跟踪模型。本发明在考虑目标动态性的基础上，构建包含状态信息的状态集合；通过量测模块引入多普勒信息和幅度信息，建立包含方位、多普勒信息和幅度信息的联合量测似然函数；基于GM‑CPHD滤波器推导出MFGM‑CPHD滤波过程，并采用UKF更新高斯分量均值和协方差。在多目标跟踪任务中本发明滤波器相比于GM‑CPHD滤波器和DI‑GM‑CPHD滤波器具有更高的跟踪精度和更好的性能。