Comparé aux filtres classiques de suivi multi-cibles, cet article se concentre sur le problème du suivi des trajectoires multi-cibles dans un scénario où la probabilité de détection du capteur est inconnue. Deux filtres trajectoires Poisson-Bernoulli (TPMB) adaptés pour une probabilité de détection inconnue sont proposés : l’un pour les trajectoires survivantes, l’autre pour toutes les trajectoires. Tout d’abord, un état de trajectoire augmenté incluant la probabilité de détection est construit, puis deux nouveaux modèles de transition d’état et un nouveau modèle de mesure sont proposés, suivis de la dérivation des formules de récursion du filtre TPMB sous la condition de probabilité de détection inconnue. En outre, une implémentation détaillée du filtre TPMB à probabilité de détection inconnue, pour les trajectoires survivantes et l’ensemble des trajectoires, basée sur une distribution bêta-gaussienne est présentée. Les résultats de simulation montrent que dans le cas de probabilité de détection inconnue, le filtre TPMB proposé offre des performances robustes de suivi et une estimation efficace des trajectoires multi-cibles.

trajectoire Poisson-Bernoulli; bêta-gaussien; probabilité de détection; trajectoires survivantes; toutes les trajectoires