针对小型鸟类目标的基于门控循环单元的扩展卡尔曼跟踪方法

来源：信号处理杂志 2024年第5期北京时间：

作者：韩冰, 王红昌, 苏志刚, 郝敬堂, 赵欣怡

摘要：基于激光雷达的小型鸟类的跟踪监视是一种新的实现机场及其周边空域鸟情监测预警的关键技术。针对激光雷达采样频率低引起的目标状态跟踪误差大、模型适应性低的问题，本文提出了一种基于门控循环单元的目标状态估计扩展卡尔曼跟踪方法。该方法通过融合深度学习网络对非线性运动的预测能力和扩展卡尔曼滤波对于随机噪声的抑制能力，实现了对于无法准确建模的非线性运动鸟类目标在低采样率条件下的跟踪。针对深度学习网络为隐性表达模型难以与扩展卡尔曼融合的问题，提出近似一步转移矩阵估计方法，将深度学习网络的预测转化为显性状态转移模型，使得跟踪方法中预测与滤波估计形成循环迭代。本文在公开的鸽子飞行轨迹数据集上进行仿真验证表明，所提方法在不同采样频率条件下的跟踪效果均优于传统跟踪算法，且在低采样频率下相对于已有方法具有超过25.5%跟踪误差性能提升，所提方法能够实现基于激光雷达的鸟类目标跟踪。

关键词：‍‍鸟类目标跟踪, 门控循环单元网络, 扩展卡尔曼滤波, 激光雷达