一种具有最优运动模式切换参数的交互式多模型目标跟踪方法技术

本发明专利技术属于机动目标跟踪的技术领域，具体涉及一种具有最优运动模式切换参数的交互式多模型目标跟踪方法。本发明专利技术包括计算最优的运动模式切换参数；利用运动模式切换参数计算各个运动模式的最优交互概率；利用最优交互概率计算得到每一个运动模式所对应滤波器的初始化信息；将传感器获得机动目标的速度、位置的测量信息和初始化信息输入到滤波器中进行信息处理，得到各个运动模式下的目标位置、速度和跟踪误差协方差，并求取各个运动模式的似然函数；进行运动模式概率更新；得到最终的目标位置、速度信息和跟踪误差协方差。本发明专利技术避免了传统交互式多模型目标跟踪方法将相关性信息遗漏的问题。

【技术实现步骤摘要】
一种具有最优运动模式切换参数的交互式多模型目标跟踪方法
本专利技术属于机动目标跟踪的
，具体涉及一种具有最优运动模式切换参数的交互式多模型目标跟踪方法。
技术介绍
机动目标跟踪以其在军事和民用领域广泛的应用前景受到了专家学者们的关注，近几十年来，取得了丰硕的研究成果。机动目标跟踪的一个重大难题是使用单一、固定的运动模式很难描述目标运动的整个过程。为此出现了多模型切换方法，多模型切换方法是将目标可能的运动模式映射为模型函数集，集合中的不同模型描述目标的不同运动模式，每一个模型对应一个滤波器，对每一个运动模式下跟踪参数进行估计，目标运动模式的改变通过一个离散切换变量(该变量以矩阵形式存在)描述，即为模型传递矩阵，目标的连续状态参数和切换变量的估计则是通过各种多模型估计方法获得。而众多多模型估计方法中，交互式多模型(IMM，interactingmultiplemodel)算法以其在复杂性和估计精度方面良好的折中，被广泛应用到机动目标跟踪领域。为了进一步提高该算法的目标跟踪能力，出现了许多改进的交互式多模型算法，如交互式多贝叶斯模型算法(IMBM，InteractingMultipleBiasModel)、变结构交互式多模型算法(VSIMM，VariableStructureInteractingMultipleModel)等。然而，上述各种交互式多模型算法在目标跟踪领域的实际应用中普遍存在两个问题：(1)在目标跟踪领域中，由于目标是被动跟踪，因此每一个运动模式在整个目标跟踪过程中所逗留的时间是无法事先确定的。而描述多个运动模式切换过程的切换变量(模型传递矩阵)是由每个运动模式的逗留时间决定的，并非由目标的运动模式所决定，这会涉及到运动模式的数量大于2时切换变量不唯一和如何事先确定逗留时间的难题。(2)多个运动模式间的相关性信息被遗漏。由于每一个运动模式的初值是由所有运动模式的估计值融合得到的，因此每一个运动模式的状态估计值即取决于自身，又取决于其他运动模式，那么多个运动模式之间是存在相关性的。特别是对于复杂环境下的目标跟踪问题，相关性信息更加不可忽略。而相关性信息由协方差来体现，因此交互式多模型目标跟踪方法的协方差信息不可遗漏。
技术实现思路
本专利技术的目的是为了克服现有方法的缺陷，避免机动目标运动模式切换参数不唯一和逗留时间难以确定的问题，并充分利用了多个运动模式间的相关性信息，给出了一种具有最优运动模式切换参数的交互式多模型目标跟踪方法。本专利技术的目的是这样实现的：(1)利用上一时刻每一个目标运动模式概率和目标位置、速度跟踪误差协方差信息，计算最优的运动模式切换参数；(2)利用步骤(1)中的运动模式切换参数计算各个运动模式的最优交互概率；利用最优交互概率计算得到每一个运动模式所对应滤波器的初始化信息；(3)将传感器获得机动目标的速度、位置的测量信息和步骤(2)中的初始化信息输入到滤波器中进行信息处理，得到各个运动模式下的目标位置、速度和跟踪误差协方差，并求取各个运动模式的似然函数；(4)利用步骤(3)中求取的运动模式似然函数进行运动模式概率更新；(5)将步骤(3)中得到的各个运动模式下的目标位置、速度信息和跟踪误差协方差与步骤(4)中的运动模式概率进行加权求和，得到最终的目标位置、速度信息和跟踪误差协方差。步骤(1)为：令运动模式切换参数为π，元素πij(k-1)为运动模式传递概率，交互概率为μi|j(k-1)，运动模式概率为μj(k-1)；为第j个运动模式的状态xj(k-1)的估计值，为第j个运动模式滤波器的交互初值x0j(k-1)的估计值，x0j(k-1)即为运动状态的真实值x(k-1)；第j个运动模式滤波器的交互初值误差和跟踪误差分别定义为：第j个运动模式滤波器的最优交互初值为：交互概率为：μ1|j(k-1)+μ2|j(k-1)+...+μn|j(k-1)＝1，其中，其中e＝[11...1]T；的协方差为：其中，E[·]表示对矩阵求期望值，跟踪误差协方差是衡量状态估计精度的，越小，为了得到最优的πij(k-1)，将性能指标设定为：其中tr(·)表示对各个分块矩阵求迹；则性能指标为：引入拉格朗日算子λ，构建辅助函数F：得矩阵方程组：显然，B(k-1)是一个正定矩阵，则eTB-1(k-1)e≠0，那么性能指标函数的最优解为：解得最优的πij(k-1)：其中，B-1(k-1)＝A(k-1)，由于是在性能指标取得最小值时的最优解，从而构成最优的运动模式切换参数πopt。步骤(2)中计算最优的交互概率：其中，计算最优的交互初值：计算最优交互初值误差协方差：得到最优的交互初值误差协方差为：最优的交互初值和最优交互初值误差协方差作为运动模式对应的滤波器的初始化信息。步骤(3)中将和作为运动模式对应滤波器的输入，利用量测信息z(k)使滤波器输出目标位置、速度的估计值和跟踪方差阵并计算似然函数为：其中N{·}表示正态分布，等号右边表示以为均值，以为方差的正态分布；为以为输入时对量测的预测值，为以为输入时的预测方差阵。步骤(4)中运动模式概率：其中运动模式概率用于描述每一个运动模式在当前目标运动状态下所占的比例。步骤(4)中计算运动模式概率：其中运动模式概率用于描述每一个运动模式在当前目标运动状态下所占的比例。计算最终的目标位置、速度信息：计算最终的跟踪误差协方差：本专利技术的有益效果在于：利用线性最小方差理论推导得到了最优的运动模式切换参数，该参数不依赖于运动模式的逗留时间，避免了运动模式数目大于2时运动模式切换参数不唯一和逗留时间事先无法确定的问题；在计算最优运动模式切换参数的同时，考虑到运动模式间的相关性问题，将运动模式间的协方差信息全部加以利用，避免了传统交互式多模型目标跟踪方法将相关性信息遗漏的问题。附图说明图1是实验A中新目标跟踪方法与传统交互式多模型目标跟踪方法的跟踪精度对比；图2是实验A中新目标跟踪方法与传统交互式多模型目标跟踪方法的运动模式概率对比；图3是实验B中新目标跟踪方法与传统交互式多模型目标跟踪方法的跟踪精度对比；图4是实验B中新目标跟踪方法与传统交互式多模型目标跟踪方法的运动模式概率对比；具体实施方式下面将结合附图对本专利技术作进一步的说明。一种具有最优运动模式切换参数的交互式多模型目标跟踪方法，包括以下几个步骤：步骤一：利用上一时刻每一个目标运动模式概率和目标位置、速度跟踪误差协方差信息，计算最优的运动模式切换参数；步骤二：利用步骤一中的运动模式切换参数计算各个运动模式的最优交互概率；利用该概率计算得到每一个运动模式所对应滤波器的初始化信息；步骤三：将雷达等传感器获得机动目标的速度、位置等测量信息和步骤二中的初始化信息输入到滤波器中进行信息处理，得到各个运动模式下的目标位置、速度和跟踪误差协方差，并求取各个运动模式的似然函数；步骤四：利用步骤三中求取的运动模式似然函数进行运动模式概率更新；步骤五：将步骤三中得到的各个运动模式下的目标位置、速度信息和跟踪误差协方差与步骤四中的运动模式概率进行加权求和，得到最终的目标位置、速度信息和跟踪误差协方差。本专利技术是一种具有最优运动模式切换参数的交互式多模型目标跟踪方法，首先将多模型目标跟踪系统概括为：x(k)＝F(k|k-1,mk)x(k-1)+w本文档来自技高网...

【技术保护点】
一种具有最优运动模式切换参数的交互式多模型目标跟踪方法,其特征在于：(1)利用上一时刻每一个目标运动模式概率和目标位置、速度跟踪误差协方差信息，计算最优的运动模式切换参数；(2)利用步骤(1)中的运动模式切换参数计算各个运动模式的最优交互概率；利用最优交互概率计算得到每一个运动模式所对应滤波器的初始化信息；(3)将传感器获得机动目标的速度、位置的测量信息和步骤(2)中的初始化信息输入到滤波器中进行信息处理，得到各个运动模式下的目标位置、速度和跟踪误差协方差，并求取各个运动模式的似然函数；(4)利用步骤(3)中求取的运动模式似然函数进行运动模式概率更新；(5)将步骤(3)中得到的各个运动模式下的目标位置、速度信息和跟踪误差协方差与步骤(4)中的运动模式概率进行加权求和，得到最终的目标位置、速度信息和跟踪误差协方差。

【技术特征摘要】
1.一种具有最优运动模式切换参数的交互式多模型目标跟踪方法,其特征在于：(1)利用上一时刻每一个目标运动模式概率和目标位置、速度跟踪误差协方差信息，计算最优的运动模式切换参数；(2)利用步骤(1)中的运动模式切换参数计算各个运动模式的最优交互概率；利用最优交互概率计算得到每一个运动模式所对应滤波器的初始化信息；(3)将传感器获得机动目标的速度、位置的测量信息和步骤(2)中的初始化信息输入到滤波器中进行信息处理，得到各个运动模式下的目标位置、速度和跟踪误差协方差，并求取各个运动模式的似然函数；(4)利用步骤(3)中求取的运动模式似然函数进行运动模式概率更新；(5)将步骤(3)中得到的各个运动模式下的目标位置、速度信息和跟踪误差协方差与步骤(4)中的运动模式概率进行加权求和，得到最终的目标位置、速度信息和跟踪误差协方差；所述步骤(1)为：令运动模式切换参数为π，元素πij(k-1)为运动模式传递概率，交互概率为μi|j(k-1)，运动模式概率为μj(k-1)；为第j个运动模式的状态xj(k-1)的估计值，为第j个运动模式滤波器的交互初值x0j(k-1)的估计值，x0j(k-1)即为运动状态的真实值x(k-1)；第j个运动模式滤波器的交互初值误差和跟踪误差分别定义为：第j个运动模式滤波器的最优交互初值为：交互概率为：μ1|j(k-1)+μ2|j(k-1)+…+μn|j(k-1)＝1，其中，βj(k-1)＝[μ1|j(k-1)μ2|j(k-1)…μn|j(k-1)]T，其中e＝[11…1]T；的协方差为：其中，E[·]表示对矩阵求期望值，跟踪误差协方差是衡量状态估计精度的，越小，为了得到最优的πij(k-1)，将性能指标设定为：其中tr(·)表示对各个分块矩阵求迹；

【专利技术属性】
技术研发人员：周卫东，蔡佳楠，孙龙，沈忱，郑兰，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23