基于随机有限集的upf-cphd多目标跟踪

？提出一种基于随机有限集的无迹粒子基数概率假设密度滤波（upf-cphd,unscentedparticlefilter-cardinalityprobabilityhypothesisdensity）的多目标跟踪方法。在粒子滤波框架下采用随机有限集（rfs,randomfinitesets）对多目标状态和观测进行描述。在upf滤波框架下引入cphd算法同时递推目标状态和目标数目，并计算最新观测信息，估计结果更加精确，弥补phd估计目标数目不可靠的缺点。仿真实验表明，upf-cphd多目标跟踪方法能够降低超过50%的目标数目估计误差，并提高目标状态的估计精度。