基于量测噪声方差估计的GM-CBMeMBer 算法

董 青，胡建旺，吉 兵

（陆军工程大学石家庄校区，石家庄 050003）

0 引言

在目标跟踪过程中，由于电磁环境、温度和其他因素影响，量测噪声概率分布难以准确获取。传统的多目标跟踪算法常假设噪声统计特性先验已知，然而真实场景下，量测噪声时变且难以准确获取。

为解决这一问题，专家学者提出在进行多目标跟踪的同时在线估计噪声统计特性。文献［4］提出将状态噪声的概率分布视为逆伽马分布。SAGE等［5］提出最优的自适应贝叶斯估计方法，但该算法在工程上难以实现。为增强算法的工程有效性［6-7］，进一步提出可同时估计噪声的均值和方差次优算法（Sage-Husa 自适应算法），但该算法存在不能同时估计状态噪声和量测噪声的统计特性的局限性。此外这些在线估计噪声的自适应算法的应用对象均为单目标。

近年来，专家学者的视线逐步转移到噪声统计特性未知的多目标跟踪系统中。文献［8-9］将变分贝叶斯方法和概率假设密度滤波相结合来实现对多目标进行跟踪。但该算法耗时较长且文献并未给出迭代终止条件或收敛参数的方法。文献［10］采用多模型估计方法修正噪声方差。针对时变量测噪声，梁荔等人提出有偏估计的思想实现噪声统计特性未知条件下的PHD 算法［11］。

为进一步扩展解决多目标跟踪系统中量测噪声统计特性未知问题的途径，本文基于GM-CBMeMBer 滤波算法［2-3］，提出量测噪声方差在线估计的多目标跟踪算法。针对量测噪声时变且未知的问题，引入遗忘因子增强算法的噪声敏感性，并采用协方差匹配方法监督滤波器发散情况，为修正跟踪发散问题，考虑采用有偏估计的方法修正量测噪声方差估计。……