NO.1 论文简介
随着复杂跟踪场景的大量涌现，常规多源传感器多目标跟踪算法存在计算量大、跟踪精度低、无法估计目标航迹等不足，已无法满足现代战争的需求。本文以主动传感器和被动传感器组成的多源传感器系统为背景，重点研究多源传感器多目标跟踪问题的实现算法。针对“多主动+多被动”多源传感器系统量测无法充分融合且整体算法计算复杂度较高的问题，提出一种多源传感器箱粒子标签多伯努利（MS-BPF-LMB）滤波算法。首先，对传感器依据不同主动传感器进行分组，即将所有传感器划分为若干“单主动+多被动”传感器组；然后，通过并行运算，对各传感器组运用基于角度关联的多传感器信息融合算法，得到跟踪所需的有效量测；最后，在跟踪滤波阶段，通过引入箱粒子滤波数值计算方法，将获取的量测点划分为若干箱粒子，并对箱粒子滤波下的多传感器量测更新系数进行重新定义，以较低的计算复杂度实现LMB（Labeled multi-Bernoulli，LMB）滤波。
NO.2 主要贡献
（1）采用少数主动传感器和多数被动传感器组成多源传感器系统，并采用分组的方式使各传感器组量测得到融合，使融合场景更具一般性；
NO.3 研究结论
将本文所提MS-BPF-LMB算法与传统多传感器序贯蒙特卡洛LMB（Multi-sensor sequential Monte Carlo LMB，MS-SMC-LMB）滤波算法、多主动传感器（Active sensor，AS）滤波算法和传统GCI融合算法进行对比，100次蒙特卡洛实验的平均最优子模式分配（Optimal sub-pattern assignment，OSPA）距离和所用时间如图1和表1所示：
表1 RCT模型算法运行时间
NO.4 论文资助
国家自然科学基金（62276204，62306222）
博士后特别资助（2020T130494）
陕西省自然科学基金（2022JM-340，2023-JC-QN-0710）
NO.5 作者介绍
团队主要致力于多源智能信息融合理论与技术、智能信息感知理论与技术、信息综合处理系统与应用等方向的战略性、前瞻性、前沿性基础研究和应用研究。研究方向主要有：多源信息融合、目标检测、跟踪、识别等；所属一级学科：电子科学与技术和控制科学与工程；依托平台基地：（1）陕西省“四主体一联合”智能频谱感知与信息融合校企联合研究中心；（2）陕西省“四主体一联合”智能蜂群无人机工程技术校企联合研究中心；（3）西安市智能频谱感知与信息融合重点实验室。
·引用格式·
张永权, 李志彬, 张文博, 苏镇镇. 多源传感器箱粒子LMB滤波算法(2024) [J/OL]. 西安电子科技大学学报, [2024-02-27]. https://doi.org/10.19665/j.issn1001-2400.20240104
· 原文链接 ·
“扫描二维码查看原文”
https://doi.org/10.19665/j.issn1001-2400.20240104
编辑：许瀚樱
校对：杨 薇
审核：牛姗姗
· 推荐阅读 ·
- 联系我们 -
xuebao@mail.xidian.edu.cn
