基于LGJMS-GMPHDF的多机动目标联合检测、跟踪与分类算法

Abstract

线性高斯跳变马尔可夫系统模型下的高斯混合概率假设密度滤波器(LGJMS-GMPHDF)为杂波背景下多机动目标跟踪提供了一种有效方法。该文将类别辅助信息引入LGJMS-GMPHDF，提出了一种密集杂波背景下多机动目标联合检测、跟踪与分类算法。该算法在LGJMS-GMPHDF中用属性向量扩展单目标状态向量，用位置和属性的组合测量似然函数代替单目标位置及杂波位置测量似然函数，提高了不同类目标与杂波测量间的鉴别能力，进而改善了目标数目及状态的估计精度；在更新目标状态的同时，对目标属性信息进行更新。该算法实现了时变数目的目标状态和类别估计。杂波背景下交叉和临近并行机动目标的跟踪实验验证了该文算法的联合检测、跟踪与分类性能。