论文部分内容阅读
高斯混合概率假设密度(GM-PHD)滤波是一种基于随机有限集理论的次优贝叶斯多目标跟踪方法,本文研究了该算法在扫描型光学传感器像平面的多目标跟踪问题。针对典型的锥扫模式和推扫模式,根据其扫描特性建立目标的运动模型和测量模型。介绍高斯混合概率假设密度滤波的基本原理,针对原算法在强杂波环境中的低效率问题,借鉴传统多目标跟踪方法中的波门技术,提出相应的改进措施。最后构建包含交叉目标、并行目标和相对运动目标等情况的多目标场景,对两种扫描模式分别进行了Monte Carlo仿真,结果表明本文提出的算法能够适应