当前位置: 首页 > 专利查询>深圳大学专利>正文

一种适用于闪烁噪声的多目标跟踪方法及系统技术方案

技术编号:15544493 阅读:146 留言:0更新日期:2017-06-05 15:26
本发明专利技术适用于多传感器信息融合领域,提供了一种适用于闪烁噪声的多目标跟踪方法与系统,所述多目标跟踪方法包括:预测步骤、更新步骤、生成步骤以及提取步骤。本发明专利技术提供的技术方案在保证数据处理实时性的同时,有效地解决了闪烁噪声下非线性运动目标的跟踪问题。

A multi-target tracking method and system for flicker noise

The invention is applicable to the field of multi-sensor information fusion, multi target tracking method and system provides a suitable for flicker noise, including the multi target tracking method: the prediction step, the update step, generating steps and extraction steps. The technical proposal provided by the invention can effectively solve the tracking problem of the nonlinear moving target under flashing noise when the real-time data processing is guaranteed.

【技术实现步骤摘要】
一种适用于闪烁噪声的多目标跟踪方法及系统
本专利技术属于多传感器信息融合
,尤其涉及一种适用于闪烁噪声的多目标跟踪方法及系统。
技术介绍
边缘分布贝叶斯滤波器是适用于杂波和噪声下多目标跟踪的有效方法,但滤波器仅适用于噪声为高斯噪声的情况,不适用于噪声为闪烁噪声的情况。如何解决闪烁噪声下多目标跟踪问题是需要探索和解决的关键技术问题。
技术实现思路
本专利技术所要解决的技术问题在于提供一种适用于闪烁噪声的多目标跟踪方法与跟踪系统,旨在解决闪烁噪声下非线性运动目标的跟踪问题。本专利技术是这样实现的,一种适用于闪烁噪声的多目标跟踪方法,包括:根据前一时刻各个目标的合同分布和存在概率以及当前时刻与前一时刻的时间差,采用启发式的方法产生伽马分布的形状参数和尺度参数,进而得到当前时刻各个目标的预测合同分布和预测存在概率;根据所述当前时刻各个目标的预测合同分布和预测存在概率,利用变分贝叶斯方法序贯处理当前时刻的测量数据,得到当前时刻各个目标的更新合同分布和更新存在概率;利用当前时刻的测量数据生成新生目标的合同分布,并为所述新生目标指定存在概率,将所述新生目标的合同分布及存在概率分别与所述当前时刻的更新合同分布及更新存在概率进行合并,得到当前时刻各个目标的合同分布和存在概率;从所述当前时刻各个目标中裁减掉存在概率小于第一阈值的目标,并将裁减后余下目标的合同分布和存在概率作为滤波器下一次递归的输入,从所述裁减后余下的目标中提取存在概率大于第二阈值的目标,所提取出的目标的合同分布作为所述当前时刻的输出,所输出的合同分布的均值作为当前时刻目标的状态估计。本专利技术还提供了一种适用于闪烁噪声的多目标跟踪系统,包括:预测模块,用于根据前一时刻各个目标的合同分布和存在概率以及当前时刻与前一时刻的时间差,采用启发式的方法产生伽马分布的形状参数和尺度参数,进而得到当前时刻各个目标的预测合同分布和预测存在概率;更新模块,用于根据所述当前时刻各个目标的预测合同分布和预测存在概率,利用变分贝叶斯方法序贯处理当前时刻的测量数据,得到当前时刻各个目标的更新合同分布和更新存在概率;生成模块,用于利用当前时刻的测量数据生成新生目标的合同分布,并为所述新生目标指定存在概率,将所述新生目标的合同分布及存在概率分别与所述当前时刻的更新合同分布及更新存在概率进行合并,得到当前时刻各个目标的合同分布和存在概率;提取模块,用于从所述当前时刻各个目标中裁减掉存在概率小于第一阈值的目标,并将裁减后余下目标的合同分布和存在概率作为滤波器下一次递归的输入,从所述裁减后余下的目标中提取存在概率大于第二阈值的目标,所提取出的目标的合同分布作为所述当前时刻的输出,所输出的合同分布的均值作为当前时刻目标的状态估计。本专利技术与现有技术相比,有益效果在于:本专利技术实施例通过用t分布建模闪烁噪声,利用变分贝叶斯方法获得闭合表达式,用各个分变量边缘分布的乘积来逼近多变量的合同分布,从而将多变量的合同估计化为对各个分变量边缘分布的迭代估计,有效解决了闪烁噪声下非线性运动目标的跟踪问题,提高多目标的跟踪精度。附图说明图1是本专利技术实施例提供的一种适用于闪烁噪声的多目标跟踪方法的流程图;图2是本专利技术实施例提供的传感器70个扫描周期的测量数据;图3是在闪烁噪声下按照本专利技术实施例提供的多目标跟踪方法处理得到的结果;图4是在闪烁噪声下根据UK-PHD滤波器的多目标跟踪方法处理得到的结果;图5是按照本专利技术实施例提供多目标跟踪方法与UK-PHD滤波方法在经过100次实验得到的平均OSPA距离示意图;图6是本专利技术实施例提供一种适用于闪烁噪声的多目标跟踪系统的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。本专利技术实施例根据前一时刻接收的测量数据的各个目标的合同分布及存在概率预测当前时刻接收的新的测量数据的各个目标的合同分布及存在概率;根据预测的合同分布及存在概率,利用变分贝叶斯方法序贯处理当前时刻的各测量得到各个目标的更新合同分布及存在概率;分别将更新的合同分布及存在概率与新目标的合同分布及存在概率进行合并,生成当前时刻各个目标的合同分布及存在概率,这样使得本专利技术实施例能够很好的解决闪烁噪声下非线性运动目标的跟踪问题。基于上述原理,本专利技术实施例提供了如图1所示的一种适用于闪烁噪声的多目标跟踪方法,包括:S101,根据前一时刻各个目标的合同分布和存在概率以及当前时刻与前一时刻的时间差,采用启发式的方法产生伽马分布的形状参数和尺度参数,进而得到当前时刻各个目标的预测合同分布和预测存在概率;S102,根据所述当前时刻各个目标的预测合同分布和预测存在概率,利用变分贝叶斯方法序贯处理当前时刻的测量数据,得到当前时刻各个目标的更新合同分布和更新存在概率;S103,利用当前时刻的测量数据生成新生目标的合同分布,并为所述新生目标指定存在概率,将所述新生目标的合同分布及存在概率分别与所述当前时刻的更新合同分布及更新存在概率进行合并,得到当前时刻各个目标的合同分布和存在概率;S104,从所述当前时刻各个目标中裁减掉存在概率小于第一阈值的目标,并将裁减后余下目标的合同分布和存在概率作为滤波器下一次递归的输入,从所述裁减后余下的目标中提取存在概率大于第二阈值的目标,所提取出的目标的合同分布作为所述当前时刻的输出,所输出的合同分布的均值作为当前时刻目标的状态估计。具体地,在步骤S101中,以k-1表示前一时刻,k表示当前时刻,tk-1表示前一时刻的时间,tk表示当前时刻的时间,所述当前时刻的测量噪声服从ξ维的t分布,以S(zk;Hkxk,Rk,rk)表示所述当前时刻测量的概率密度函数,其中Hkxk表示t分布的均值,Rk表示精度矩阵,rk表示t分布的自由度,且前一时刻目标i的多变量合同分布为目标i的存在概率为ρi,k-1,其中,N表示高斯分布,g表示伽玛分布,xi,k-1表示前一时刻第i个合同分布的状态向量,mi,k-1表示前一时刻第i个合同分布中高斯分布的均值,Pi,k-1表示前一时刻第i个合同分布中高斯分布的方差,表示Rk的对角线元素,和γi,k-1表示前一时刻第i个合同分布中伽玛分布的形状参数,和ηi,k-1表示前一时刻第i个合同分布中伽玛分布的尺度参数,ξ为状态向量的维数,i=1,2,...,Nk-1,Nk-1为前一时刻目标的总数;根据前一时刻各个目标的合同分布和存在概率、当前时刻与前一时刻的时间差,得到当前时刻各个目标的预测合同分布当前时刻各个目标的预测存在概率为ρi,k|k-1=Ps,k(tk-tk-1)ρi,k-1;其中,i=1,2,...,Nk-1,为当前时刻第i个合同分布中高斯分布的均值,为当前时刻第i个合同分布中高斯分布的方差,Sigma点xi,0=mi,k-1,Sigma点的权重l=1,...,ξ,为目标的幸存概率,γi,k|k-1=ργγi,k-1为当前时刻第i个合同分布中伽玛分布的形状参数,ηi,k|k-1=ρηηi,k-1为当前时刻第i个合同分布中伽玛分布的尺度参数,f为非线性函数,Qk-1为所述接收时刻的过程噪声方差矩阵,上标T表示矩阵或向量的转置,T为采样周期,本文档来自技高网...
一种适用于闪烁噪声的多目标跟踪方法及系统

【技术保护点】
一种适用于闪烁噪声的多目标跟踪方法,其特征在于,包括:根据前一时刻各个目标的合同分布和存在概率以及当前时刻与前一时刻的时间差,采用启发式的方法产生伽马分布的形状参数和尺度参数,进而得到当前时刻各个目标的预测合同分布和预测存在概率;根据所述当前时刻各个目标的预测合同分布和预测存在概率,利用变分贝叶斯方法序贯处理当前时刻的测量数据,得到当前时刻各个目标的更新合同分布和更新存在概率;利用当前时刻的测量数据生成新生目标的合同分布,并为所述新生目标指定存在概率,将所述新生目标的合同分布及存在概率分别与所述当前时刻的更新合同分布及更新存在概率进行合并,得到当前时刻各个目标的合同分布和存在概率;从所述当前时刻各个目标中裁减掉存在概率小于第一阈值的目标,并将裁减后余下目标的合同分布和存在概率作为滤波器下一次递归的输入,从所述裁减后余下的目标中提取存在概率大于第二阈值的目标,所提取出的目标的合同分布作为所述当前时刻的输出,所输出的合同分布的均值作为当前时刻目标的状态估计。

【技术特征摘要】
1.一种适用于闪烁噪声的多目标跟踪方法,其特征在于,包括:根据前一时刻各个目标的合同分布和存在概率以及当前时刻与前一时刻的时间差,采用启发式的方法产生伽马分布的形状参数和尺度参数,进而得到当前时刻各个目标的预测合同分布和预测存在概率;根据所述当前时刻各个目标的预测合同分布和预测存在概率,利用变分贝叶斯方法序贯处理当前时刻的测量数据,得到当前时刻各个目标的更新合同分布和更新存在概率;利用当前时刻的测量数据生成新生目标的合同分布,并为所述新生目标指定存在概率,将所述新生目标的合同分布及存在概率分别与所述当前时刻的更新合同分布及更新存在概率进行合并,得到当前时刻各个目标的合同分布和存在概率;从所述当前时刻各个目标中裁减掉存在概率小于第一阈值的目标,并将裁减后余下目标的合同分布和存在概率作为滤波器下一次递归的输入,从所述裁减后余下的目标中提取存在概率大于第二阈值的目标,所提取出的目标的合同分布作为所述当前时刻的输出,所输出的合同分布的均值作为当前时刻目标的状态估计。2.如权利要求1所述的多目标跟踪方法,其特征在于,所述根据前一时刻各个目标的合同分布和存在概率以及当前时刻与前一时刻的时间差,采用启发式的方法产生伽马分布的形状参数和尺度参数,进而得到当前时刻各个目标的预测合同分布和预测存在概率,包括:以k-1表示前一时刻,k表示当前时刻,tk-1表示前一时刻的时间,tk表示当前时刻的时间,所述当前时刻的测量噪声服从ξ维的t分布,以S(zk;Hkxk,Rk,rk)表示所述当前时刻测量的概率密度函数,其中Hkxk表示t分布的均值,Rk表示精度矩阵,rk表示t分布的自由度,且前一时刻目标i的多变量合同分布为目标i的存在概率为ρi,k-1,其中,N表示高斯分布,g表示伽玛分布,xi,k-1表示前一时刻第i个合同分布的状态向量,mi,k-1表示前一时刻第i个合同分布中高斯分布的均值,Pi,k-1表示前一时刻第i个合同分布中高斯分布的方差,表示Rk的对角线元素,和γi,k-1表示前一时刻第i个合同分布中伽玛分布的形状参数,和ηi,k-1表示前一时刻第i个合同分布中伽玛分布的尺度参数,ξ为状态向量的维数,i=1,2,...,Nk-1,Nk-1为前一时刻目标的总数;根据前一时刻各个目标的合同分布和存在概率、当前时刻与前一时刻的时间差,得到当前时刻各个目标的预测合同分布当前时刻各个目标的预测存在概率为ρi,k|k-1=Ps,k(tk-tk-1)ρi,k-1;其中,i=1,2,...,Nk-1,为当前时刻第i个合同分布中高斯分布的均值,为当前时刻第i个合同分布中高斯分布的方差,Sigma点xi,0=mi,k-1,Sigma点的权重l=1,...,ξ,为目标的幸存概率,γi,k|k-1=ργγi,k-1为当前时刻第i个合同分布中伽玛分布的形状参数,ηi,k|k-1=ρηηi,k-1为当前时刻第i个合同分布中伽玛分布的尺度参数,f为非线性函数,Qk-1为所述接收时刻的过程噪声方差矩阵,上标T表示矩阵或向量的转置,T为采样周期,δ为已知的常数,ρα,ρβ,ργ,ρη为传播因子,取值范围为(0,1],rk表示自由度,为已知常数,ξ为状态向量的维数,k为一尺度参数。3.如权利要求2所述的多目标跟踪方法,其特征在于,设当前时刻接收到的观测集为yk=(y1,k,…,yM,k),其中,M为当前时刻接收到测量数据总数,则所述根据所述当前时刻各个目标的预测合同分布和预测存在概率,利用变分贝叶斯方法序贯处理当前时刻的测量数据,得到当前时刻各个目标的更新合同分布和更新存在概率,包括:以当前时刻各个目标的预测合同分布和预测存在概率作为当前时刻各个目标的初始合同分布和初始存在概率,即初始合同分布取为初始存在概率取为其中i=1,2,...,Nk-1,利用变分贝叶斯方法对第1个至第M个测量数据依次进行序贯处理;设第j个测量数据处理前各个目标的合同分布及存在概率分别为和其中,i=1,2,...,Nk-1,1≤j≤M;由和求得用第j个测量更新时各个目标的存在概率为其中求得用第j个测量更新时各个目标的合同分布为其中,表示伽玛函数,tr表示矩阵的迹,表示均值向量,表示协方差矩阵,表示滤波器增益;其中Sigma点伽玛分布的形状参数为伽玛分布的尺度参数为Hk为观测矩阵,Rk为观测噪声方差矩阵,PD,k为目标的检测概率,λc,k为杂波密度,I表示单位矩阵,yj,k为当前时刻接收到的第j个测量数据,上标T表示为矩阵或向量的转置,ξ为状态向量的总维数;若则第j个测量数据处理后目标i的合同分布为其存在概率为其中若则第j个测量数据处理后目标i的合同分布为其存在概率为其中第M个测量数据处理后的各个目标的合同分布及存在概率分别为其中i=1,2,...,Nk-1;将第M个测量数据处理后各个目标的合同分布及存在概率分别作为当前时刻各个目标的更新合同分布,由此得到当前时刻各个目标的更新合同分布为及当前时刻各个目标的更新存在概率其中i=1,…,Nk-1,4.如权利要求1所述的多目标跟踪方法,其特征在于,设所述当前时刻接收到的观测集为yk=(y1,k,…,yM,k),其中,M为所述当前时刻接收到所述新的测量数据总数,所述利用当前时刻的测量数据生成新生目标的合同分布,并为所述新生目标指定存在概率,将所述新生目标的合同分布及存在概率分别与所述当前时刻的更新合同分布及更新存在概率进行合并,得到当前时刻各个目标的合同分布和存在概率包括:设所述当前时刻各个目标的更新合同分布为各个目标的存在概率为ρi,k;其中i=1,2,...,Nk-1,利用所述当前时刻的M个测量数据生成当前时刻新生目标的合同分布为并指定当前时刻各新生目标的存在概率为其中j=1,2,...,M,为给定的第j个新生目标的合同分布中高斯分布的协方差,为第j个新生目标的合同分布中高斯分布的均值,由所述当前时刻第j个测量数据yj,k=[xj,kyj,k]T产生,并且和为所述当前时刻第j个新生目标的合同分布...

【专利技术属性】
技术研发人员:刘宗香邹燕妮谢维信李良群
申请(专利权)人:深圳大学
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1