一种基于多模型高斯逆Wishart PHD滤波器的空间邻近目标跟踪方法

将空间邻近目标（Closely Spaced Objects，CSOs）整体建模为扩展目标（Extended Target，ET），用随机矢量和随机矩阵分别描述CSOs质心运动和扩散状态，并采用高斯逆Wishart（Gaussian inverse Wishart，GIW）概率假设密度（Probability Hypothesis Density，PHD）滤波器实现杂波和漏检条件下CSOs的稳定跟踪．修正了原GIW—PHD滤波器量测模型和形状估计的缺陷，给出新的递推表达式，并在此基础上提出一种多（形变）模型GIW—PHD滤波器，以适应CSOs分裂和融合引起的形状变化．仿真结果表明，所提算法能够有效跟踪CSOs，状态估计比原GIW—PHD更加准确，对CSOs的变化更加敏感．