蚂蚁聚类PHD过滤器用于多目标跟踪

研究了一种新颖的蚁群滤波算法，在后多目标状态（概率假设密度）的一阶统计矩的指导下，研究并应用于估计杂乱环境中目标及其各自状态的时变数量。 蚂蚁聚类过滤算法包括两个聚类步骤：第一步称为粗糙蚂蚁聚类，涉及随机选择每个蚂蚁及其分别根据当前似然函数和后验强度进行状态局部调整。 第二种称为精细蚂蚁聚类，它利用这些蚂蚁提取多目标状态。 数值模拟通过与顺序蒙特卡洛（SMC）方法的性能比较，验证了我们提出的算法的跟踪多目标能力。