基于噪声方差估计的高斯混合概率假设密度滤波算法

梁荔; 敬忠良; 董鹏; 李旻哲

doi:10.16183/j.cnki.jsjtu.2016.09.004

摘要

针对传统的高斯混合概率假设密度(GM PHD)滤波器在噪声先验特性未知或不准确时跟踪性能会下降,提出了一种基于噪声方差估计的高斯混合概率假设密度(NCE-GM-PHD)滤波算法.该算法可以同时在线估计时变的目标个数、多目标状态以及噪声方差.首先,通过引入遗忘因子和采取有偏估计的方法改进了传统的Sage-Husa自适应滤波器.基于改进的自适应滤波器,推导了带噪声方差估计的GM-PHD滤波算法.仿真结果表明,在非时变或时变量测噪声方差未知的情况下,NCE-GM-PHD算法的跟踪性能优于传统的GM-PHD算法,对噪声变化的适应能力更强.

关键词： 高斯混合概率假设密度滤波器, 多目标跟踪, 噪声方差估计, 自适应滤波器

本文引用格式

梁荔 , 敬忠良 , 董鹏 , 李旻哲 . 基于噪声方差估计的高斯混合概率假设密度滤波算法[J]. 上海交通大学学报, 2016 , 50(9) : 1355 -1361 . DOI: 10.16183/j.cnki.jsjtu.2016.09.004

Abstract

针对传统的高斯混合概率假设密度(GM PHD)滤波器在噪声先验特性未知或不准确时跟踪性能会下降,提出了一种基于噪声方差估计的高斯混合概率假设密度(NCE-GM-PHD)滤波算法.该算法可以同时在线估计时变的目标个数、多目标状态以及噪声方差.首先,通过引入遗忘因子和采取有偏估计的方法改进了传统的Sage-Husa自适应滤波器.基于改进的自适应滤波器,推导了带噪声方差估计的GM-PHD滤波算法.仿真结果表明,在非时变或时变量测噪声方差未知的情况下,NCE-GM-PHD算法的跟踪性能优于传统的GM-PHD算法,对噪声变化的适应能力更强.

Key words： 高斯混合概率假设密度滤波器, 多目标跟踪, 噪声方差估计, 自适应滤波器

模态框（Modal）标题

摘要

本文引用格式

Abstract