基于相对熵的概率假设密度滤波器序贯蒙特卡罗实现方式

概率假设密度滤波器的典型序贯蒙特卡罗实现方式与粒子滤波类似, 均是利用大量加权粒子估计多目标状态, 典型实现方式是为每个期望目标分配固定数目的粒子, 这导致较大的算法时间开销. 鉴于此, 建立了基于相对熵 的序贯蒙特卡罗实现方式. 首先计算两个不同规模粒子集合的相对熵, 与预设阈值进行比较以确定粒子数目, 从而动态调整粒子数目. 仿真结果表明, 所提出的实现方式提高了跟踪效率, 在大部分时间步上优于典型实现方式.