高斯过程泊松多伯努利混合滤波算法及其变分优化

针对现有算法对多扩展目标跟踪精度低的问题,本文提出了一种高斯过程泊松多伯努利混合(GP-PMBM)滤波算法及其变分优化.首先,基于高斯过程原理建立了增广状态空间模型,接着,将其与泊松多伯努利混合滤波器相结合,提出GP-PMBM算法.然后,针对因使用非线性滤波技术而导致GP-PMBM滤波精度下降的问题,使用变分贝叶斯优化更新结果,实现了对目标状态的优化更新,提升了滤波器的估计精度.仿真结果表明,与已有的滤波算法相比,所提算法具有更高的跟踪精度,并且,在只有部分量测的场景中跟踪性能更稳定....

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 41; no. 12; pp. 2325 - 2334
Main Authors 李翠芸, 许琦, 姬红兵, 谢金池
Format Journal Article
LanguageChinese
Published 西安电子科技大学电子工程学院,陕西西安 710071 01.12.2024
Subjects
泊松多伯努利混合滤波
变分贝叶斯优化
Gaussian process
target tracking
variable Bayesian optimization
高斯过程
目标跟踪
Poisson multi-Bernoulli mixture filtering
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2023.20694

Cover

More Information
Summary:针对现有算法对多扩展目标跟踪精度低的问题,本文提出了一种高斯过程泊松多伯努利混合(GP-PMBM)滤波算法及其变分优化.首先,基于高斯过程原理建立了增广状态空间模型,接着,将其与泊松多伯努利混合滤波器相结合,提出GP-PMBM算法.然后,针对因使用非线性滤波技术而导致GP-PMBM滤波精度下降的问题,使用变分贝叶斯优化更新结果,实现了对目标状态的优化更新,提升了滤波器的估计精度.仿真结果表明,与已有的滤波算法相比,所提算法具有更高的跟踪精度,并且,在只有部分量测的场景中跟踪性能更稳定.
ISSN:1000-8152
DOI:10.7641/CTA.2023.20694