粒子滤波理论、方法及其在多目标跟踪中的应用

被引：340

作者：

李天成 ^{[1
,2
]}

范红旗 ^{[3
]}

孙树栋 ^{[1
]}

机构：

[1] 西北工业大学机电学院

[2] Salamanca大学科学学院

[3] 国防科技大学ATR重点实验室

来源：

自动化学报 | 2015年 / 41卷 / 12期

关键词：

贝叶斯估计; 非线性滤波; 粒子滤波; 有限集统计学; 多目标跟踪;

D O I：

暂无

中图分类号：

TN713 [滤波技术、滤波器];

学科分类号：

080508 [光电信息材料与器件];

摘要：

本文梳理了粒子滤波理论基本内容、发展脉络和最新研究进展,特别是对其在多目标跟踪应用中的一系列难点问题与主流解决思路进行了详细分析和报道.常规粒子滤波研究重点主要围绕重要性采样函数、计算效率、权值退化/样本匮乏和复杂系统建模展开.作为一类复杂估计问题,多目标跟踪一方面需要准确的目标新生/消亡与演变、虚警/漏检等建模技术,另一方面需要多传感器信息融合、航迹管理等复杂决策方法.暨有限集统计学应用于多目标跟踪后,粒子滤波进入一个新的发展阶段—随机集粒子滤波.基于不同的背景假设,可以构建不同近似形式的随机集贝叶斯滤波器并采用粒子滤波实现.但机动目标、未知场景、多目标航迹管理以及跟踪性能评价等仍是多目标粒子滤波的研究难点和重点.

引用

页码：1981 / 2002

页数：22

共 57 条

[1]

粒子滤波重采样:同分布原则、一种新方法以及综合对比(英文) [J].