基于ET-GM-PHD的机动多扩展目标跟踪算法

来源：计算机工程与应用杂志2017年第17期北京时间：

作者：葛建良1，葛洪伟1，2，王 冬1，杨金龙1，2

单位：1.江南大学 物联网工程学院，江苏 无锡 214122 ；2.江南大学 轻工过程先进控制教育部重点实验室，江苏 无锡 214122

摘要：针对原始扩展目标高斯混合概率假设密度（Extended Target Gaussian Mixture Probability Hypothesis Density，ET-GM-PHD）滤波算法不能解决机动目标跟踪问题，在高斯混合概率假设密度（Gaussian Mixture Probability Hypothesis Density，GM-PHD）滤波框架下，引入修正的输入估计算法（Modified Input Estimation，MIE），可以有效地处理多扩展目标的机动问题。此外，提出的算法虽然可以实现对未知数目的多机动扩展目标进行跟踪，但无法获得各个目标的航迹。针对此问题，进一步引入高斯分量标记方法，有效地将多机动扩展目标的航迹进行准确关联，获取各个目标的航迹。实验结果表明，提出的算法在弱机动扩展目标跟踪中具有较好的跟踪性能，同时能够有效地估计多扩展目标的航迹。

关键词：多扩展目标,高斯混合概率假设密度,输入估计,航迹维持