基于中心差分卡尔曼 概率假设密度滤波的多目标跟踪方法

针对非线性系统模型, 提出一种基于中心差分卡尔曼-概率假设密度滤波的多目标跟踪方法. 该方法采用 Stirling 内插公式对非线性函数作多项式逼近, 利用中心差分卡尔曼滤波和高斯混合概率假设密度滤波对后验多目 标状态一阶统计量进行估计, 并通过递推更新得到目标状态, 以实现对多个目标的跟踪. 该方法无需求解系统函数的 雅可比矩阵, 且具有二阶泰勒展开式精度. 仿真结果表明, 所提出方法能够增强算法的鲁棒性, 提高目标状态和数目 的估计精度.