论文部分内容阅读
在非线性多目标跟踪问题中,高斯混合粒子概率假设密度(GMP-PHD)滤波器在重尾的过程噪声和量测噪声的影响下会导致滤波性能的下降。针对该问题,提出一种新的学生t混合粒子概率假设密度(STMPPHD)滤波器。该滤波器将过程噪声和量测噪声近似为学生t分布,并用学生t混合模型来近似多目标的强度;同时,利用蒙特卡罗方法计算学生t积分,建立了学生t混合形式的闭式递推框架。仿真结果表明,该滤波器能够有效克服由重尾的过程噪声和量测噪声带来的不利影响,并能够保持较高的跟踪精度。