基于PHD濾波的多傳感器融合方法研究.pdf

1、PHD(Probability Hypothesis Density)濾波的提出使得對多目標跟蹤領域的研究進入了一個嶄新的階段。在此之前,研究者應用一些在單目標跟蹤領域取得成功的濾波算法來研究多目標跟蹤問題,但往往需要借助于數(shù)據(jù)關聯(lián)這一外部手段才能完成。PHD濾波的出現(xiàn)改變了這一點,它避免了顯式的數(shù)據(jù)關聯(lián)。PHD濾波是基于隨機有限集統(tǒng)計的濾波方法,而隨機有限集的概念恰好可以用來刻畫多目標跟蹤問題,所以在解決多目標跟蹤問題上,與其他方法相

2、比,PHD濾波有著天然的優(yōu)勢。但在估計出目標數(shù)目之后,PHD濾波仍要借助于一些外部方法如聚類,來提取峰值進而估計目標狀態(tài)。
　　一種基于PHD的峰值提取方法STPHD(Single-Target Probability Hypothesis Density)濾波被提出。與其它峰值提取的方法不同,STPHD并非外部方法,它可以看成是PHD濾波的一種自然延伸與改進,是PHD本質上的屬性。事實上,STPHD等于是PHD自身提供的一種用于

3、峰值提取的內部手段。但STPHD的提出是基于單傳感器的,并沒有多傳感器的對應版本。針對于這一狀況,本文結合一個多傳感器的融合框架,將該方法推廣到多傳感器的場景下,得到了基于STPHD濾波的多傳感器融合算法,一方面使STPHD應用的范圍更加廣泛,另一方面融合后的結果使估計的精度更高,可以獲得更好的跟蹤效果。
　　CPHD(Cardinalized PHD)濾波是基于隨機有限集統(tǒng)計的濾波方法系列中另一極為重要的方法。與PHD濾波相比,

4、該方法能夠提供更多的信息,但相應的,也需要更多的計算。本文通過對STPHD濾波證明過程的分析,從中抽象出對應函數(shù)的概念,借助于對應函數(shù)將STPHD濾波推廣到了CPHD濾波當中,得到了該方法的CPHD版本——QSTCPHD(Quasi Single-Target CPHD)濾波。進一步地,結合多傳感器融合框架,同樣將 QSTCPHD濾波推廣到多傳感器的場景下,得到基于QSTCPHD濾波的多傳感器融合算法。這樣,就將PHD濾波—>STPHD