1.一种基于T分布的鲁棒GLMB多目标跟踪方法,其特征在于:所述方法包括如下步骤:步骤1,令初始时刻k=0,初始化参数,得到初始分量集;
步骤2,当k≥1帧时,采用TDVB技术更新目标状态;
步骤3,生成量测标签关联概率矩阵η(h),通过吉布斯采样生成 个量测分量γ(h,t);
步骤4,根据量测分量γ(h,t),更新初始分量,得到新的分量集;
步骤5,对得到的新的分量集剔除重复分量,并归一化权重,得到权重集;
步骤6,若下一帧观测信息到达,转到步骤2进行迭代;否则,跟踪过程结束。
2.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法,其特征在于:步骤1中,设初始分量集为 其中I(h)为标签集,ω(h)为权重,p(h)为目标状态概率密度,H为分量数量;设定参数 其中 为标签l所对应的新生目标出生概率, 为标签l所对应的目标状态概率密度,B+为新生目标标签集。
3.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法,其特征在于:步骤2中,目标状态概率密度表示为:其中,St(·)为T分布,J(l)为混合概率密度的分量个数, 为分量归一化的权重, 为均值, 为协方差,v为自由度。
4.根据权利要求3所述的一种基于T分布的鲁棒GLMB多目标跟踪方法,其特征在于:所述步骤2,具体包括如下分步骤:步骤2-1,以下过程迭代Nite次,使得λk收敛:其中,
步骤2-2,更新成分权重
其中,PD是目标检测概率,k(zk,l)为杂波强度, 为量测似然;最后一次迭代得到的 与 为最终参数,进而更新目标状态概率密度,得到p(h)(·,l):
5.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法,其特征在于:所述步骤3中包括如下分步骤:步骤3-1,生成量测标签关联概率矩阵η(h):其中,
其中,
其中,Ps(·,l+)为标签l+存活概率,PD,+(·,l+)为检测概率f+(x+|·,l+)为状态转移函数,g+(·|·)为量测的似然函数;
步骤3-2,随机生成量测分量γ(h,1);
步骤3-3,对于第t个量测分量的第n个标签,生成其对应第j个量测的采样后概率步骤3-4,存储采样后数组 的所有类别,并生成量测分量γ(h,t):γ(h,t):=[γ(h,t),γn(h,t)]步骤3-5,剔除重复分量,生成量测分量集其中,Unique返回 中的值,没有重复元素;产生的结果向量按升序排序,T(h)为分量个数。
6.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法,其特征在于:所述步骤4中包括如下分步骤:步骤4-1,根据量测分量γ(h,t)与标签集I(h),得到新的标签集步骤4-2,根据量测分量γ(h,t)与权重ω(h),得到新的权重ω+(h,t):步骤4-3,根据量测分量γ(h,t)与概率密度p(h),得到新的目标状态概率密度p+(h,t):
7.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法,其特征在于:所述步骤5中包括如下分步骤:步骤5-1,剔除重复成分,提取得到
其中,[Uh,t]为 中的分量在
的位置;
步骤5-2,归一化权重,得到