高斯过程回归泊松多伯努利衍生滤波器

• 全文链接
• 请求原文

作   者：

宋营营;  宋骊平; 

作者机构：

西安电子科技大学电子工程学院; 

关键词：

衍生目标;  高斯过程回归;  扩展目标跟踪;  泊松多伯努利; 

期刊名称：

计算机工程与应用

i s s n：

1002-8331

年卷期：

2023 年 59 卷 022 期

页   码：

84-91

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.