关键词:
厚尾噪声
置信传播
多目标跟踪
学生t分布
摘要:
多目标跟踪技术可从目标个数未知且存在漏检、杂波和噪声的复杂跟踪环境中同时估计出目标状态和目标个数,已经广泛应用于空中预警、自动驾驶和移动机器人等领域,对国防军事和民生科技都具有重要的应用价值。然而,在实际的跟踪环境中,外界的干扰和传感器自身的不稳定会使得量测噪声中出现野值而表现出厚尾特性,此外,目标在杂波环境下发生机动时,运动模型的不准确也会产生厚尾过程噪声。此时若继续在高斯假设下进行多目标滤波处理会使得跟踪精度大大下降。针对该问题,常用的解决方案是将厚尾的过程噪声和量测噪声建模为学生t分布,并用来修正随机有限集(Random Finite Set,RFS)理论下的标准多目标滤波器,进而确保跟踪性能不发散。然而,基于RFS理论的多目标跟踪方法往往需要较大的计算代价,导致系统的延迟增加。本文利用扩展性强且计算复杂度较低的置信传播(Belief Propagation,BP)策略,提出了一种基于BP的多目标鲁棒跟踪算法。该算法首先将每个目标的后验概率密度函数近似为学生t分布混合模型,然后通过BP模式进行递归更新,最后基于判决门限,实现目标状态的估计。仿真实验表明,相比于现有算法,本文提出的算法能够在过程噪声和量测噪声同时存在厚尾时的跟踪场景中实现稳健有效的跟踪性能。