基于PPP模型的多扩展目标跟踪的JPDA算法研究

作     者：杜浩翠 谢维信 范建德 Du Haocui;Xie Weixin;Fan Jiande

作者机构：深圳大学ATR国防科技重点实验室 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2019年第35卷第6期

页      面：1079-1087页

核心收录：

学科分类：0809[工学-电子科学与技术（可授工学、理学学位）] 080902[工学-电路与系统] 08[工学] 

基　　金：深圳市基础研究项目(JCYJ20170818102503604) 

主　　题：泊松点过程 多扩展目标跟踪 联合概率数据关联 “多对一”关联模型 边缘关联概率 形状参数 

摘      要：针对多扩展目标跟踪问题,提出了基于泊松点过程( Poisson Point Process, PPP )模型的多扩展目标跟踪的联合概率数据关联( Joint Probabilistic Data Association, JPDA )算法。首先,采用PPP对扩展目标进行测量建模,其次以“多对一关联模型思想提出一种JPDA算法,从而计算运动目标的当前有效量测的边缘关联概率,然后结合该边缘关联概率以概率数据关联( Probability Data Association, PDA )的方式分别更新每个扩展目标的运动参数和形状参数向量,最后通过仿真实现了当扩展目标相互靠近或出现交叉时的跟踪。实验结果表明,在高杂波环境下,本文所提出的算法在计算时间和跟踪稳定上具有较明显的优势。