高斯过程认知学习的多机动目标泊松多伯努利混合滤波器

来源：电子与信息学报杂志2025年第8期北京时间：

作者：赵子文, 陈辉, 连峰, 张光华, 张文旭

单位：1.兰州理工大学自动化与电气工程学院 兰州 7300502.西安交通大学自动化科学与工程学院 西安 710049

摘要：针对复杂不确定环境下的多机动目标跟踪(MMTT)问题，该文提出一种基于高斯过程(GP)数据驱动的多目标跟踪方法。GP作为一种非参数贝叶斯方法，可通过有限样本灵活推断无限维函数，更能够灵活地自适应复杂多变的目标机动模式。通过GP算法学习多机动目标不确定的运动与观测模型，能有效克服传统多模型(MM)方法中因预设模型过多或模型失配所导致的性能退化问题。然后，利用泊松多伯努利混合(PMBM)建立多目标跟踪滤波的共轭先验递推结构，并使用GP学习未知的多目标动力学和观测模型，从而最终提出高斯过程多机动目标PMBM滤波器。仿真结果表明，该方法在复杂多变的MMTT任务中展现出较高的跟踪精度，验证了其在处理MMTT问题上的有效性和鲁棒性。

关键词：多机动目标跟踪, 数据驱动, 高斯过程, 泊松多伯努利混合

基金资助：国家自然科学基金 (62163023, 61873116, 62366031, 62363023)，甘肃省基础研究创新群体(25JRRA058)，中央引导地方科技发展资金项目(25ZYJA040)，甘肃省重点人才项目(2024RCXM86)，甘肃省军民融合发展专项资金(本基金无项目编号)