Page 69 - 《应用声学》2023年第2期

第 42 卷 第 2 期 马雪飞等： 基于高斯混合概率假设滤波的水下目标跟踪算法 257

10 3.0
ዢߕᏆᝠካ
ࣀϙᝠካ 2.5
8
2.0
6
ᡰሏ/m ᄬಖ˔஝ 1.5
4
1.0 ᄾࠄᄬಖ˔஝
ዢߕᏆᝠካ
2
0.5 ࣀϙᝠካ
0 0
0 5 10 15 20 0 5 10 15 20
ࣝ஝ ࣝ஝
图 6 40 dB 不同速度反馈下基于 GMPHD 滤波跟 图 9 32 dB 不同速度反馈下基于 GMPHD 滤波跟
踪的平均 OSPA 距离 踪的平均目标个数
Fig. 6 Average OSPA distance based on GM- Fig. 9 Average number of targets tracked based
PHD filter tracking with different speed feedback on GMPHD filter with different speed feedback at
at 40 dB 32 dB

3.0 由图6和图8可知，在40 dB相较32 dB下跟踪
误差 OSPA 距离较小，可通过在一定范围内提高换
2.5
能器的发射功率来提高目标的跟踪精度。图中平均
2.0
ᄬಖ˔஝ 1.5 OSPA 距离随着帧数的变化，可知基于 GMPHD 滤
波跟踪有效地抑制跟踪误差 OSPA 距离的增长。由
1.0
ᄾࠄᄬಖ˔஝ 图 7 和图 9 可知，在两种信噪比下都可以较好地实
ዢߕᏆᝠካ
0.5
ࣀϙᝠካ 现对目标数目的估计，基于粒子群的计算整体上优
0 于基于差值的反馈速度计算。
0 5 10 15 20
ࣝ஝ 对上述的不同信噪比和速度反馈方法的OSPA
图 7 40 dB 不同速度反馈下基于 GMPHD 滤波跟 距离取均值，得到表5。
踪的平均目标个数
表 5 不同信噪比下两种速度反馈算法的 OSPA
Fig. 7 Average number of targets tracked based
距离均值
on GMPHD filter with different speed feedback at
40 dB Table 5 OSPA distance mean of two speed
feedback algorithms under different SNR
12
ዢߕᏆᝠካ 信噪比 32 dB 40 dB
10
ࣀϙᝠካ
差值 7.6337 m 5.4007 m
8
粒子群算法 5.3967 m 3.4484 m
ᡰሏ/m 6
4 由表 5 知 32 dB 下，基于粒子群算法的反馈速
度计算对目标的OSPA距离精度提升 29.3%，40 dB
2
下，提升为36.1%。说明基于粒子群算法的反馈速度
0
0 5 10 15 20 计算相对于简单计算的差值有着更有优势，以及在
ࣝ஝
较高信噪比下性能提升更为明显。
图 8 32 dB 不同速度反馈下基于 GMPHD 滤波跟
为了分析粒子群算法中粒子数目对运算速度
踪的平均 OSPA 距离
的影响，通过比较差值反馈算法和粒子数目为 50、
Fig. 8 Average OSPA distance based on GM-
PHD filter tracking with different speed feedback 100、150 的粒子群算法的消耗时间和跟踪效果，得
at 32 dB 到表6。