面向非线性MTT的多模型泊松多伯努利混合滤波算法

在多目标跟踪(Multi-target Tracking, MTT)的非线性特性与低检测概率情况下，针对多伯努利滤波算法的高斯混合(Gaussian Mixture, GM)实现难以精确估计目标的势与运动状态的实际问题，本文提出了一种适用于非线性系统的泊松多伯努利混合滤波(Poisson Multi-Bernoulli Mixture Filter, PMBM)算法.首先，推导出多模型泊松多伯努利混合滤波的高斯混合(GM Multi-model PMBM,GM-MM-PMBM)实现过程.然后，分别对GM-MM-PMBM的伯努利高斯分量进行预测与更新，实现了基于非线性系统的MTT.为提升系统稳定性，基于平方根协方差矩阵推导出GM-MM-PMBM均方根容积卡尔曼滤波算法的实现过程.最后，仿真实验综合验证了本文算法的跟踪性能.