抗“飞点”的UKF GMPCPHD滤波算法

为实现被动测角目标状态和数目的实时估计，在高斯混合粒子（Gaussian mixture particle， GMP）的势化概率假设密度(cardinalized probability hypothesis density, CPHD) 滤波框架下，提出了基于抗“飞点”无迹卡尔曼滤波器（unscented Kalman filter， UKF）的GMPCPHD滤波算法，即抗“飞点”的UKF GMPCPHD滤波算法。在该算法中，粒子滤波的重要性采样函数由抗“飞点”UKF产生，粒子的预测与更新采用拟蒙特卡罗(quasi Monte Carlo, QMC)方式，目标状态的概率假设密度（probability hypothesis density, PHD）和势分布用一组高斯粒子滤波器（Gaussian particle filtering, GPF）近似。通过该算法与GMPCPHD、UKF-GMPPHD滤波算法的对比仿真，验证了该算法良好的跟踪性能。