本发明专利技术适用于多传感器信息融合领域，提供了一种用于非线性高斯系统的目标跟踪方法和跟踪系统。所述方法步骤如下：首先根据前一时刻各目标的边缘分布及其存在概率，预测当前时刻各目标的边缘分布及其存在概率，并为当前时刻新生的目标指定相应的边缘分布及其存在概率。再结合当前时刻的位置测量，利用贝叶斯规则得到当前时刻各目标的更新边缘分布及其存在概率，进而对与各目标相关的更新边缘分布进行裁减与合并，得到当前时刻各目标的边缘分布及其存在概率，最后裁减掉存在概率小于第一阈值的边缘分布，并将裁减后余下的各边缘分布及其存在概率作为下一时刻递归的输入，同时，提取存在概率大于第二阈值的边缘分布作为当前时刻的输出。
【技术实现步骤摘要】
【专利摘要】本专利技术适用于多传感器信息融合领域，提供了一种用于非线性高斯系统的目标跟踪方法和跟踪系统。所述方法步骤如下：首先根据前一时刻各目标的边缘分布及其存在概率，预测当前时刻各目标的边缘分布及其存在概率，并为当前时刻新生的目标指定相应的边缘分布及其存在概率。再结合当前时刻的位置测量，利用贝叶斯规则得到当前时刻各目标的更新边缘分布及其存在概率，进而对与各目标相关的更新边缘分布进行裁减与合并，得到当前时刻各目标的边缘分布及其存在概率，最后裁减掉存在概率小于第一阈值的边缘分布，并将裁减后余下的各边缘分布及其存在概率作为下一时刻递归的输入，同时，提取存在概率大于第二阈值的边缘分布作为当前时刻的输出。【专利说明】用于非线性高斯系统的目标跟踪方法和跟踪系统
本专利技术属于多传感器信息融合
，尤其涉及一种用于非线性高斯系统的目 标跟踪方法和跟踪系统。
技术介绍
多目标贝叶斯滤波器和概率假设滤波器是用于目标探测与跟踪的有效方法。这两 种滤波器在递归过程中分别传递多目标状态的联合分布或联合分布的一阶矩。在实际使用 中，我们发现这两个滤波器存在以下2个难以解决的问题：一是当目标距离很近时这两个 滤波器输出的是多目标状态的均值，这样使得这两种滤波器难以将距离很近的目标区分开 来；二是滤波器的递归涉及难以处理的积分运算问题，并且在非线性系统中，积分运算不存 在闭合形式的表达式。如何更有效地分辨出距离很近的目标、如何解决非线性系统多目标 跟踪过程中积分的运算问题是滤波器设计中需要探索和解决的两个关键技术问题。
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用于非线性高斯系统的目标跟踪方法 与跟踪系统，旨在减少不同目标状态间的相互干扰，提高滤波器对密集多目标的分辨和跟 踪能力，同时利用无迹变换将积分运算近似为围绕Sigma点的数值运算，解决滤波器递归 过程中积分运算难以处理的问题。本专利技术是这样实现的： 一种用于非线性高斯系统的目标跟踪方法，包括以下步骤： 步骤1:根据前一时刻各目标的边缘分布及其存在概率，预测前一时刻已经存在 的目标在当前时刻的边缘分布及其存在概率，并为当前时刻新生的目标指定相应的边缘分 布及其存在概率；对预测的前一时刻已经存在的目标在当前时刻的边缘分布及其存在概 率，以及为当前时刻新生的目标指定的相应的边缘分布及其存在概率进行合并，形成当前 时刻各目标的预测边缘分布及其存在概率； 步骤2 :根据当前时刻各目标的预测边缘分布及其存在概率，以及当前时刻的位 置测量，利用贝叶斯规则得到当前时刻各目标的更新边缘分布及其存在概率； 步骤3:对与各目标相关的更新边缘分布进行裁减与合并，得到当前时刻各目标 的边缘分布及其存在概率；根据当前时刻各目标的边缘分布及其存在概率，裁减掉存在概 率小于第一阈值的边缘分布； 步骤4:将裁减后余下的各边缘分布及其存在概率作为下一时刻递归的输入，同 时，提取存在概率大于第二阈值的边缘分布作为当前时刻的输出。 进一步地，所述步骤1中，以t-Ι表示前一时刻，t表示当前时刻，k表示目标序号， k= 1,…，K，K为目标个数； 前一时刻各目标的边缘分布为NUkHAh,PttJ，其中，N表示高斯分布，XkH 表不前一时刻各目标的状态向量，Kik^1和PtH分别表不前一时刻各目标的边缘分布的均 值和方差；前一时刻各目标的边缘分布的存在概率为P;预测的当前时刻各目标的边 缘分布为NUuh^tlt+PttltJ，其中，N表示高斯分布，Xttlw表示预测的当前时刻各目 标的状态向量，HittlH和Pttlw分别表示预测的当前时刻各目标的边缘分布的均值和方差； 预测的当前时刻各目标的边缘分布的存在概率为Pttlw ; 所述步骤1包括： 由Hi1^1和Ptw,得到2n+l个第一类Sigma点；所述2n+l个第一类Sigma点包 括2 κ个xk(l、η个xk;1、η个xk，1+n，其中，xk，Q=ι?,,η，Iw =獅 +Q (η+K)PkJ___i) rI = 1，···，n,xw," =Wiij丨-I=!，…，n ;其中，n表示状态向量的维数，κ为 尺度参数，(j(n+/r)PAfl )；表示矩阵^(?+K-)Pkl ,中第1列的列向量；所述2n+l个Sigma 1 1 点的权重为Wtt =- ?wI=^T-T-T' 1 = 1, ···,n,wi,"=n，?I=I, ···,η； ιι+r2(η+κ) 2{η+κ) 2η 由所述 2η+1 个第一类Sigma点预测HIttlH和PttlH;其中，舰Μ, ! =5^)/(?)， /-〇 蛉=￡叫1 广-爾MH)(/(X?) -W切+込i;其中，f ^-O 高斯系统目标运动方程中的非线性函数和过程噪声方差；Pk，tlH=ps，tPkH，其中，ps，t为 目标的幸存概率； 指定当前时刻新生目标的边缘分布为k= 1，…，KY，t ;其中，KY，t 表示当前时刻新生目标的边缘分布的个数，!和，i分别表示各新生目标的边缘分布的 均值和方差，给每一个新生目标的边缘分布赋予一个存在概率Pγ，即/<,=巧，其中，k= 1. ···.KY;t ； 将NUttlHAtlH,PttlH)和合并，得到当前时刻各目标的预测 边缘分布N(xk，t|HAtlH,PttlH),k= 1，...，Kp;该分布N(xk，t|HAtlH1PttlH)中，Kp = K+KY,t，当k>K时，i?M/s =<Λη,Φ !=《A';该分布NOcttlH叫,^，PttlH)中各分布 的存在概率为Pk，t|H，k= 1，···，Kp，其中，当k>K时，Α.Ψ ! " 进一步地，所述步骤2中： 所述位置测量为yt，yt = (yi，t，"*，yM，t);当前时刻各目标的更新边缘分布为i= 1，"·，Μ+1 ;其中，N表示高斯分布，Xtt表示当前时刻各目标更新的 状态向量，mb,和P1^分别表示当前时刻各目标的更新边缘分布的均值和方差；各目标的 更新边缘分布的存在概率为PU，i= 1，…，Μ+1 ; 所述步骤2包括： 当i彡M时，由HittlH和PttlH求得2n+l个第二类Sigma点，所述2n+l个 第二类Sigma点包括2κ个-C, , ?n个X丨4i，n个d,,其中，=Wii?Μ，4=mU, I +(pi +ic)PtJ"\,I = 1，...，n，=mkJ>,>-{J(n +伙.,"\，I =1，"·，η;其中，n表示状态向量的维数，K为尺度参数，Q(rt+r)i?M,...,),表示矩阵 K φη+K)Pilt中第1列的列向量；所述2n+l个第二类Sigma点的权重为％ ? 1 1<1J J ?··> _1? J * XOO _ I W|-1= 1，…，n，= tm 根据所述2n+l个第二类Sigma点得到Λ=Σ叫錢xL,i)， /Η? nMiff Pk-r=ΣΗ/(Α(Λ?φ>) ·1'?th(xi4· I^λ)'+R<' pI^, =ΣInh.,"\h(xi4l i、hi， /=?} /=dl 其中，和Rt分别本文档来自技高网...
【技术保护点】
一种用于非线性高斯系统的目标跟踪方法，其特征在于，包括以下步骤：步骤1：根据前一时刻各目标的边缘分布及其存在概率，预测前一时刻已经存在的目标在当前时刻的边缘分布及其存在概率，并为当前时刻新生的目标指定相应的边缘分布及其存在概率；对预测的前一时刻已经存在的目标在当前时刻的边缘分布及其存在概率，以及为当前时刻新生的目标指定的相应的边缘分布及其存在概率进行合并，形成当前时刻各目标的预测边缘分布及其存在概率；步骤2：根据当前时刻各目标的预测边缘分布及其存在概率，以及当前时刻的位置测量，利用贝叶斯规则得到当前时刻各目标的更新边缘分布及其存在概率；步骤3：对与各目标相关的更新边缘分布进行裁减与合并，得到当前时刻各目标的边缘分布及其存在概率；根据当前时刻各目标的边缘分布及其存在概率，裁减掉存在概率小于第一阈值的边缘分布；步骤4：将裁减后余下的各边缘分布及其存在概率作为下一时刻递归的输入，同时，提取存在概率大于第二阈值的边缘分布作为当前时刻的输出。
【技术特征摘要】
【专利技术属性】
技术研发人员：刘宗香，陈飞，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
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。