多传感器存在监测区域部分重叠的扩展目标跟踪方法技术

本发明专利技术公开的多传感器存在监测区域部分重叠的扩展目标跟踪方法，对当前量测集进行滤波时使用的高斯分量为当前时刻预测的高斯分量，而非任一传感器量测更新后的高斯分量，使得各个传感器滤波更新后的结果相互独立；当各个传感器量测均参与滤波更新后，对所有传感器的结果高斯项进行判断：若该传感器估计的高斯项中表示目标位置的分量落在重叠区域，则将其权值进行求平均值优化处理；最后，将所有传感器估计出的高斯项的权值、均值以及协方差合并为一个高斯分量作为下一时刻的预测高斯分量。本发明专利技术多传感器存在监测区域部分重叠的扩展目标跟踪方法消除了重叠区域带来的目标数目过估计问题以及为未重叠区域带来的量测信息严重丢失问题。

【技术实现步骤摘要】

本专利技术属于目标跟踪与目标定位方法
，涉及一种多传感器环境下的目标跟踪方法，具体涉及一种多传感器存在监测区域部分重叠的扩展目标跟踪方法。
技术介绍
随着现代传感器精度的不断提高，传感器在监测单个目标时不仅仅只接收到一个量测，更多的时候是一个目标产生的多个量测都能够被监测到，这种能够产生多于一个量测信息的目标被称为一个扩展目标。在多传感器条件下的扩展目标跟踪算法旨在选择合适的算法把各个传感器接收到的量测信息进行融合，融合后的信息经过滤波处理后，能更精确的反映群目标的真实状态。在融合过程中，可充分利用多个传感器资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间或时间上的冗余或互补信息依据某种准则进行组合，以获得被测对象的一致性解释或描述。信息融合的基本目的是通过利用多个传感器共同或联合操作的优势，提高传感器系统的有效性和可靠性。多传感器跟踪系统与传统的单传感器跟踪系统相比，因其扩大了时空的覆盖范围、改进了测量性能并增加了系统的稳定性，使其在军事及一些非军事目标的跟踪中有着非常广泛的应用。多传感器多目标跟踪就是由多个同类型或者不同类型的传感器在杂波、数据关联不确定、检测概率小于1以及噪声环境下得到无序、数据格式不统一的量测集，通过整合量测集信息，对每一时刻的目标数目和状态进行估计。多传感器扩展目标跟踪算法的基本思想就是通过采取不同的数据融合算法融合多传感器量测，从而达到对目标进行有效跟踪的目的。常见的数据融合方法主要有：序贯融合算法和并行融合算法，它们被多次使用到目标跟踪领域中。如：Pham等人在文章“Pham N T，Huang W，Ong S H.Multiple sensor multiple object tracking with GMPHD filter[C].In Proceedings of the 10th International Conference on Information Fusion.Montreal Quebec Canada:9-12，July，2007:1-7.”中将序贯数据融合算法与高斯扩展概率假设密度滤波(Extend Target-GM-PHD，ET-GM-PHD)算法相结合，实现了在多传感器环境下使用GM-PHD滤波算法对目标进行跟踪。Weifeng等人在文献“Weifeng Liu,Chenglin Wen.The fast linear multisensor RFS-multitarget tracking filters[C].In Proceedings of the 17th International Conference on Information Fusion.Salamanca,2014:1-8.”中通过使用量测尺寸扩展的方法，提出了一种运用于线性多传感器环境下的基于随机有限集的多目标跟踪滤波器，并且还为该滤波器提供了一种更快速的量测更新计算方法。上述公开的多传感器融合算法可以直接应用到扩展目标跟踪过程中，然而，现有的多传感器融合算法均假设传感器监测区域不重叠，也就是说，每个传感器均有属于自己独立的一个监测区域，互不干扰。在实际的多传感器环境下，传感器的监测区域往往出现情况不一的部分重叠的情况。针对多传感器监测区域部分重叠的扩展目标跟踪问题，将传统的序贯滤波算法进行改进后应用到扩展目标跟踪中，得到一种新的扩展目标融合算法，取得了较好的效果。
技术实现思路
本专利技术的目的在于提供一种多传感器存在监测区域部分重叠的扩展目标跟踪方法，合理利用多个传感器接收到的量测信息，基于多传感器环境下的融合算法估计出每一时刻的扩展目标的状态，提高了跟踪精度。本专利技术所采用的技术方案是，多传感器存在监测区域部分重叠的扩展目标跟踪方法，具体按照以下步骤实施：步骤1、采用一个随机集表示k时刻扩展目标的状态；k时刻扩展目标的状态包括有如下信息：目标质心的位置、速度以及加速度；在随机集 X k = { x k ( i )本文档来自技高网...

【技术保护点】
多传感器存在监测区域部分重叠的扩展目标跟踪方法，其特征在于，具体按照以下步骤实施：步骤1、采用一个随机集表示k时刻扩展目标的状态；k时刻扩展目标的状态包括有如下信息：目标质心的位置、速度以及加速度；在随机集Xk={xk(i)}i=1Nx,k]]>中：表示在k时刻第i个扩展目标的状态，Nx,k表示k时刻的目标数目；预先设定第i个扩展目标状态向量为其动态方程具体如下：xk+1(i)=Fkxk(i)+wk(i);]]>在动态方程中：Fk为目标的动态转移矩阵，将Fk作为线性高斯模型，采用卡尔曼滤波算法对目标进行跟踪；为协方差为的过程噪声；每个目标的动态转移方程采用的是同一个模型并且它们之间是相互独立的；扩展目标单个传感器的量测集为量测集是由传感器观测k时刻的真实目标的运动状态产生的数据信息集合，对于第i个扩展目标的状态产生的量测信息按如下算法实施：zk(j)=Hkxk(i)+ek(j);]]>式中，Hk表示目标量测矩阵，表示高斯白噪声且它的协方差为Rk；在k时刻，第i个扩展目标产生的量测个数服从泊松分布；即：Nz,k(i)~Possion(γ(xk(i)));]]>表示相应扩展目标所产生量测个数的均值，在k时刻该扩展目标至少产生一个量测的概率，其概率值为：为一个已知的定义在目标的状态空间上的一个非负函数，则该扩展目标的检测概率为：其中，为第i个扩展目标能够被检测到的概率，为目标未被检测到的概率；在观测目标状态的同时，能观测到杂波信息，每一时刻杂波的数目服从一个随机变量为βFA,k的泊松分布，此处的随机变量βFA,k为在扩展目标跟踪中的杂波率，则在k时刻，单个传感器的扩展目标量测集Zk具体模型如下：Zk=z1,k(xk1)∪z2,k(xk2)...∪zNx,k(xkNx,k)∪Zc,k;]]>在上述模型中，Zc,k为k时刻的杂波集；在多个传感器共同形成的环境下，当前传感器的总个数为L，在k时刻，L个传感器接收到的量测集合为：Zk=Zk1∪Zk2∪...Zkm∪...ZkL;]]>其中，为第m个传感器接收到的量测信息；步骤2、经步骤1得到L个传感器的量测集合后，利用动态方程对扩展目标位置进行估计；步骤3、经步骤2完成对扩展目标位置估计后，将得到的当前时刻目标总的权值、均值以及协方差进行保存；返回步骤2.2，在下一时刻作为步骤2.2中的所需的目标初始权值、均值以及协方差，经多次循环后最终实现多传感器存在监测区域部分重叠的扩展目标跟踪；步骤2.2～步骤3为循环过程，循环至目标结束移动后结束，设定目标移动周期为100s。...

【技术特征摘要】
1.多传感器存在监测区域部分重叠的扩展目标跟踪方法，其特征在于，
具体按照以下步骤实施：
步骤1、采用一个随机集表示k时刻扩展目标的状态；
k时刻扩展目标的状态包括有如下信息：目标质心的位置、速度以及加
速度；
在随机集 ...

【专利技术属性】
技术研发人员：陈金广，江梦茜，马丽丽，胡西民，王伟，王明明，赵雪青，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61