高斯过程回归泊松多伯努利衍生滤波器

来源：计算机工程与应用杂志2023年第22期北京时间：

作者：宋营营, 宋骊平

单位：西安电子科技大学 电子工程学院，西安 710071

摘要：针对伽马高斯逆威舍特混合泊松多伯努利（Gamma Gaussian inverse Wishart mixed Poisson multi-Bernoulli，GGIW-PMB）滤波器无法估计非椭圆形状目标的问题，提出了将泊松多伯努利滤波器与高斯过程回归模型结合的方法，可对非椭圆形状目标进行准确估计。考虑到衍生存在情形下无法有效提取衍生目标及其扩展形状的问题，提出了一种衍生目标检测及建模方法，通过量测数的变化来对衍生事件做出假设，根据真实场景关系计算衍生目标状态，实现衍生目标的检测和跟踪。在泊松多伯努利滤波器的基础上，采用高斯过程回归模型作为量测模型，结合所提衍生模型，提出了基于高斯过程回归的泊松多伯努利衍生（Gaussian process regression Poisson multi-Bernoulli filter with target spawning，GPR-PMBS）滤波器。仿真结果表明，GPR-PMBS滤波器相比于GGIW-PMB滤波器能更为准确地估计非椭圆形状目标，并且在衍生存在的情形下，也可以有效提取出衍生目标及其形状，在有衍生情况的扩展目标跟踪场景中表现出良好性能。

关键词：高斯过程回归,泊松多伯努利,衍生目标,扩展目标跟踪