基于高斯过程回归的目标跟踪动力学模型学习算法
信号处理
2022-11-28 v1 机器人学
摘要
由于目标运动具有不可预测性，机动目标跟踪是传感器系统面临的一个挑战性问题。本文提出一种新颖的数据驱动方法，用于学习目标的运动动力学模型。采用非参数高斯过程回归（GPR）学习目标的自然平移不变运动（NSIM）行为，该行为具有平移不变性，且无需随目标移动而持续更新。所学得的高斯过程（GPs）可通过融入粒子滤波（PF）实现，应用于训练数据监视区域之外的不同监视区域中的目标跟踪。我们所提方法的性能在不同机动场景下进行了评估，并与常用的交互多模型（IMM）-PF方法进行比较，在多目标跟踪（MTT）高机动场景下提供了约 的性能提升。
引用
@article{arxiv.2211.14162,
title = {A Gaussian Process Regression based Dynamical Models Learning Algorithm for Target Tracking},
author = {Mengwei Sun and Mike E. Davies and Ian K. Proudler and James R. Hopgood},
journal= {arXiv preprint arXiv:2211.14162},
year = {2022}
}
备注
11 pages, 10 figures