一种基于TD3的非平稳噪声环境下扩展目标跟踪优化方法

本发明涉及一种基于TD3的非平稳噪声环境下扩展目标跟踪优化方法，属于目标跟踪和噪声建模技术领域，通过将噪声切换概率建模为强化学习智能体的动作变量，利用高斯‑学生t混合分布模型实现高斯噪声与厚尾噪声的动态切换，从而增强目标跟踪系统对复杂噪声场景的适应能力；在几何建模方面，采用星凸型随机超曲面模型，准确描述扩展目标的运动状态和几何形状，并结合无迹卡尔曼滤波器动态调整关键滤波参数，显著提高跟踪精度和鲁棒性。本发明在非平稳噪声环境中能够大幅降低目标状态估计误差，并展现出优异的实时性和稳定性，适用于无人驾驶、智能监控、军事国防等领域。