椭圆RHM模型下的扩展目标伽马高斯混合CPHD滤波器提升跟踪精度

本文档标题为《一种基于椭圆RHM的扩展目标Gamma高斯混合CPHD滤波器》(2015年)，作者李苹芸、林锦朋和姬红兵，发表在电子科技大学电子工程学院的学术期刊上。研究背景主要聚焦于在杂波环境下，传统多目标跟踪技术在处理扩展目标时面临的挑战，即目标形状难以准确估计和跟踪精度较低的问题。 作者们提出了一个创新的算法——伽玛高斯混合势概率假设密度算法（GGM-CPHD），该算法针对扩展目标的复杂性进行了改进。算法的核心思想是将扩展目标的形状建模为椭圆随机超曲面模型，这种模型能够更好地描述目标的实际形态，相较于传统的随机矩阵模型更为精确。GGM-CPHD滤波器在此基础上，能够自适应地估计和更新扩展目标的质心位置、椭圆的大小和方向参数，从而实现更精确的跟踪。 在实验部分，通过在杂波环境中的仿真，作者们展示了GGM-CPHD滤波器在质心状态和椭圆长短轴估计方面的优越性能。与传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器相比，新算法在这些关键参数的估计精度上具有显著的优势。因此，GGM-CPHD滤波器不仅提高了多目标跟踪的准确性，而且对于处理复杂的扩展目标提供了有效的解决方案。 关键词包括：多目标跟踪、扩展目标、高斯混合、势概率假设密度。该研究的理论贡献在于拓展了多目标跟踪技术在处理扩展目标时的适用性和效率，对于提高实际应用中的目标识别和跟踪能力具有重要意义。此外，论文还被标注为自然科学类别，并遵循了严格的学术文献标准，引用了适当的文献标识码(A)和中国图书馆分类号(TP391)。