一种用于跟踪转弯机动目标的方法及其系统技术方案

本发明专利技术提供一种用于跟踪转弯机动目标的方法，其中，所述方法包括：预测步骤、估计步骤、更新步骤、生成步骤以及输出步骤。本发明专利技术还提供一种用于跟踪转弯机动目标的系统。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，有效地解决了转弯机动目标的跟踪问题。

【技术实现步骤摘要】

本专利技术涉及多传感器信息融合
，尤其涉及一种用于跟踪转弯机动目标的方法及其系统。
技术介绍
贝叶斯滤波技术能够提供一种强大的统计方法工具，用于协助解决测量数据具有不确定性情况下的多传感器信息的融合与处理。为了解决多目标贝叶斯滤波方法对新收到的测量数据不能被及时处理而产生的信息延迟问题以及未知目标初始位置情况下的多目标跟踪问题，目前已提出了解决办法，具体请参考申请号为CN201510284138.3一种传递边缘分布的测量驱动目标跟踪方法与跟踪系统的专利申请。然而，该方法不能对转弯率变化的机动目标进行有效跟踪，如何对转弯率变化的机动目标进行跟踪是多目标贝叶斯滤波方法中需要探索和解决的一个关键技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种用于跟踪转弯机动目标的方法及其系统，旨在解决现有技术中不能对转弯率变化的机动目标进行有效跟踪的问题。本专利技术提出一种用于跟踪转弯机动目标的方法，其特征在于，所述方法包括：步骤1、根据前一时刻各个目标的边缘分布、存在概率和转弯率，以及当前时刻与前一时刻的时间差，预测当前时刻各个目标的边缘分布和存在概率；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，k-1时刻目标i的边缘分布、存在概率和转弯率分别表示为N(xi,k-1；mi,k-1,Pi,k-1)、ρi,k-1和ωi,k-1，其中N表示高斯分布，i＝1,2,…Nk-1，xi,k-1为k-1时刻目标i的状态向量，mi,k-1和Pi,k-1分别表示k-1时刻目标i的状态均值和协方差，Nk-1为前一时刻目标的总数；由k-1时刻目标i的边缘分布N(xi,k-1；mi,k-1,Pi,k-1)、存在概率ρi,k-1和转弯率ωi,k-1预测当前时刻目标i的边缘分布和存在概率分别为N(xi,k；mi,k|k-1,Pi,k|k-1)和ρi,k|k-1，其中mi,k|k-1＝Fi,k|k-1mi,k-1，Pi,k|k-1＝Qi,k-1+Fi,k|k-1Pi,k-1(Fi,k|k-1)T，ρi,k|k-1＝pS,k(tk-tk-1)ρi,k-1，Δtk＝tk-tk-1为k时刻与k-1时刻的时间差，Qi,k-1为k-1时刻目标i的过程噪声协方差矩阵，pS,k(tk-tk-1)为目标的幸存概率，且T为采样周期，δ为给定的常数，i＝1,2,…Nk-1；步骤2、根据前一时刻各个目标的边缘分布和存在概率，当前时刻与前一时刻的时间差，以及当前时刻的测量集合估计当前时刻各目标对应于每一个测量的转弯率；步骤3、根据估计的各个目标对应于每一个测量的转弯率，前一时刻各个目标的边缘分布，当前时刻各目标的预测存在概率，当前时刻与前一时刻的时间差，以及当前时刻的测量集合，确定当前时刻各个已存在目标的更新边缘分布、存在概率和转弯率；步骤4、利用当前时刻的各个测量产生新目标的边缘分布，为其指定存在概率和转弯率；同时，将当前时刻新目标的边缘分布、存在概率和转弯率分别与所述的当前时刻已存在目标的更新边缘分布、存在概率和转弯率进行合并，生成当前时刻的各个目标的边缘分布、存在概率和转弯率；利用当前时刻M个测量生成当前时刻新生目标的边缘分布为当前时刻各新生目标指定存在概率和转弯率为其中，j＝1,…,M，ργ为所指定的存在概率，为第j个新生边缘分布的协方差，为第j个新生目标的边缘分布的均值，由当前时刻的第j个测量数据产生，并且将已存在目标的边缘分布与当前时刻新生的边缘分布进行合并，形成当前时刻各目标的边缘分布为合并后各目标的存在概率和转弯率分别为和其中Nk＝Nk-1+M；步骤5、从所述的合并后的各个目标中将存在概率小于第一阈值的目标裁减掉，并且将裁减后余下目标的边缘分布、存在概率和转弯率作为下一时刻递归滤波的输入，同时，从裁减后余下目标的边缘分布中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，并且将各个输出边缘分布的均值与方差分别作为当前时刻目标的状态估计与误差估计。优选的，所述步骤2具体包括：子步骤A、设其中和分别表示目标i位置的x分量和y分量，和分别表示其速度的x分量和y分量，和分别表示测量yj,k的x分量和y分量，上标T表示矩阵或向量的转置；利用mi,k-1和yj,k通过变换得到向量其中子步骤B、利用转换后的向量得到转弯率其中，tk-1和tk分别为k-1时刻和k时刻的时间；子步骤C、由所述的最大转弯率ωmax和最小转弯率ωmin得到目标i对应于测量yj,k的转弯率其中ωmax和ωmin是两个已知的参数。优选的，所述步骤3具体包括：子步骤D、由k-1时刻目标i的边缘分布N(xi,k-1；mi,k-1,Pi,k-1)，以及所述的转弯率得到k时刻目标i对应于测量yj,k的预测边缘分布为其中i＝1,…,Nk-1，j＝1,…,M，为状态向量的均值，且为状态向量的方差，且其中，为状态转移矩阵，且子步骤E、利用贝叶斯规则对测量yj,k处理，得到目标i对应于测量yj,k的存在概率滤波增益均值向量协方差矩阵其中，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；所有的M个测量处理后，各个目标对应于各测量的更新边缘分布和存在概率分别为和其中i＝1,…,Nk-1，j＝1,…,M；子步骤F、设其中则k时刻目标i的更新边缘分布取为相应的存在概率和转弯率分别取为和其中i＝1,…,Nk-1，当q＝M+1时有另一方面，本专利技术还提供一种用于跟踪转弯机动目标的系统，所述系统包括：预测模块，用于根据前一时刻各个目标的边缘分布、存在概率和转弯率，以及当前时刻与前一时刻的时间差，预测当前时刻各个目标的边缘分布和存在概率；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，k-1时刻目标i的边缘分布、存在概率和转弯率分别表示为N(xi,k-1；mi,k-1,Pi,k-1)、ρi,k-1和ωi,k-1，其中N表示高斯分布，i＝1,2,…Nk-1，xi,k-1为k-1时刻目标i的状态向量，mi,k-1和Pi,k-1分别表示k-1时刻目标i的状态均值和协方差，Nk-1为前一时刻目标的总数；由k-1时刻目标i的边缘分布N(xi,k-1；mi,k-1,Pi,k-1)、存在概率ρi,k-1和转弯率ωi,k-1预测当前时刻目标i的边缘分布和存在概率分别为N(xi,k；mi,k|k-1,Pi,k|k-1)和ρi,k|k-1，其中mi,k|k-1＝Fi,k|k-1mi,k-1，Pi,k|k-1＝Qi,k-1+Fi,k|k-1Pi,k-1(Fi,k|k-1)T，ρi,k|k-1＝pS,k(tk-tk-1)ρi,k-1，Δtk＝tk-tk-1为k时刻与k-1时刻的时间差，Qi,k-1为k-1时刻目标i的过程噪声协方差矩阵，pS,k(tk-tk-1)为目标的幸存概率，且T为采样周期，δ为给定的常数，i＝1,2,…Nk-1；转弯率估计模块，用于根据前一时刻各个目标的边缘分布和存在概率，当前时刻与前一时刻的时间差，以及当前时刻的测量集合估计当前时刻各目标对应于每一个测量的转弯率；更新模块，用于根据估计的各个目标对应于每一个测量的转弯率，前一时刻各个目标的边缘分布，当前时刻各目标的预测存在本文档来自技高网...

【技术保护点】
一种用于跟踪转弯机动目标的方法，其特征在于，所述方法包括：步骤1、根据前一时刻各个目标的边缘分布、存在概率和转弯率，以及当前时刻与前一时刻的时间差，预测当前时刻各个目标的边缘分布和存在概率；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，k‑1时刻目标i的边缘分布、存在概率和转弯率分别表示为N(xi,k‑1；mi,k‑1,Pi,k‑1)、ρi,k‑1和ωi,k‑1，其中N表示高斯分布，i＝1,2,…Nk‑1，xi,k‑1为k‑1时刻目标i的状态向量，mi,k‑1和Pi,k‑1分别表示k‑1时刻目标i的状态均值和协方差，Nk‑1为前一时刻目标的总数；由k‑1时刻目标i的边缘分布N(xi,k‑1；mi,k‑1,Pi,k‑1)、存在概率ρi,k‑1和转弯率ωi,k‑1预测当前时刻目标i的边缘分布和存在概率分别为N(xi,k；mi,k|k‑1,Pi,k|k‑1)和ρi,k|k‑1，其中mi,k|k‑1＝Fi,k|k‑1mi,k‑1，Pi,k|k‑1＝Qi,k‑1+Fi,k|k‑1Pi,k‑1(Fi,k|k‑1)T，ρi,k|k‑1＝pS,k(tk‑tk‑1)ρi,k‑1，Δtk＝tk‑tk‑1为k时刻与k‑1时刻的时间差，Qi,k‑1为k‑1时刻目标i的过程噪声协方差矩阵，pS,k(tk‑tk‑1)为目标的幸存概率，且T为采样周期，δ为给定的常数，i＝1,2,…Nk‑1；步骤2、根据前一时刻各个目标的边缘分布和存在概率，当前时刻与前一时刻的时间差，以及当前时刻的测量集合估计当前时刻各目标对应于每一个测量的转弯率；步骤3、根据估计的各个目标对应于每一个测量的转弯率，前一时刻各个目标的边缘分布，当前时刻各目标的预测存在概率，当前时刻与前一时刻的时间差，以及当前时刻的测量集合，确定当前时刻各个已存在目标的更新边缘分布、存在概率和转弯率；步骤4、利用当前时刻的各个测量产生新目标的边缘分布，为其指定存在概率和转弯率；同时，将当前时刻新目标的边缘分布、存在概率和转弯率分别与所述的当前时刻已存在目标的更新边缘分布、存在概率和转弯率进行合并，生成当前时刻的各个目标的边缘分布、存在概率和转弯率；利用当前时刻M个测量生成当前时刻新生目标的边缘分布为当前时刻各新生目标指定存在概率和转弯率为其中，j＝1,…,M，ργ为所指定的存在概率，为第j个新生边缘分布的协方差，为第j个新生目标的边缘分布的均值，由当前时刻的第j个测量数据产生，并且将已存在目标的边缘分布与当前时刻新生的边缘分布进行合并，形成当前时刻各目标的边缘分布为合并后各目标的存在概率和转弯率分别为和其中Nk＝Nk‑1+M；步骤5、从所述的合并后的各个目标中将存在概率小于第一阈值的目标裁减掉，并且将裁减后余下目标的边缘分布、存在概率和转弯率作为下一时刻递归滤波的输入，同时，从裁减后余下目标的边缘分布中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，并且将各个输出边缘分布的均值与方差分别作为当前时刻目标的状态估计与误差估计。...

【技术特征摘要】
1.一种用于跟踪转弯机动目标的方法，其特征在于，所述方法包括：步骤1、根据前一时刻各个目标的边缘分布、存在概率和转弯率，以及当前时刻与前一时刻的时间差，预测当前时刻各个目标的边缘分布和存在概率；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，k-1时刻目标i的边缘分布、存在概率和转弯率分别表示为N(xi,k-1；mi,k-1,Pi,k-1)、ρi,k-1和ωi,k-1，其中N表示高斯分布，i＝1,2,…Nk-1，xi,k-1为k-1时刻目标i的状态向量，mi,k-1和Pi,k-1分别表示k-1时刻目标i的状态均值和协方差，Nk-1为前一时刻目标的总数；由k-1时刻目标i的边缘分布N(xi,k-1；mi,k-1,Pi,k-1)、存在概率ρi,k-1和转弯率ωi,k-1预测当前时刻目标i的边缘分布和存在概率分别为N(xi,k；mi,k|k-1,Pi,k|k-1)和ρi,k|k-1，其中mi,k|k-1＝Fi,k|k-1mi,k-1，Pi,k|k-1＝Qi,k-1+Fi,k|k-1Pi,k-1(Fi,k|k-1)T，ρi,k|k-1＝pS,k(tk-tk-1)ρi,k-1，Δtk＝tk-tk-1为k时刻与k-1时刻的时间差，Qi,k-1为k-1时刻目标i的过程噪声协方差矩阵，pS,k(tk-tk-1)为目标的幸存概率，且T为采样周期，δ为给定的常数，i＝1,2,…Nk-1；步骤2、根据前一时刻各个目标的边缘分布和存在概率，当前时刻与前一时刻的时间差，以及当前时刻的测量集合估计当前时刻各目标对应于每一个测量的转弯率；步骤3、根据估计的各个目标对应于每一个测量的转弯率，前一时刻各个目标的边缘分布，当前时刻各目标的预测存在概率，当前时刻与前一时刻的时间差，以及当前时刻的测量集合，确定当前时刻各个已存在目标的更新边缘分布、存在概率和转弯率；步骤4、利用当前时刻的各个测量产生新目标的边缘分布，为其指定存在概率和转弯率；同时，将当前时刻新目标的边缘分布、存在概率和转弯率分别与所述的当前时刻已存在目标的更新边缘分布、存在概率和转弯率进行合并，生成当前时刻的各个目标的边缘分布、存在概率和转弯率；利用当前时刻M个测量生成当前时刻新生目标的边缘分布为当前时刻各新生目标指定存在概率和转弯率为其中，j＝1,…,M，ργ为所指定的存在概率，为第j个新生边缘分布的协方差，为第j个新生目标的边缘分布的均值，由当前时刻的第j个测量数据产生，并且将已存在目标的边缘分布与当前时刻新生的边缘分布进行合并，形成当前时刻各目标的边缘分布为合并后各目标的存在概率和转弯率分别为和其中Nk＝Nk-1+M；步骤5、从所述的合并后的各个目标中将存在概率小于第一阈值的目标裁减掉，并且将裁减后余下目标的边缘分布、存在概率和转弯率作为下一时刻递归滤波的输入，同时，从裁减后余下目标的边缘分布中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，并且将各个输出边缘分布的均值与方差分别作为当前时刻目标的状态估计与误差估计。2.如权利要求1所述的用于跟踪转弯机动目标的方法，其特征在于，所述步骤2具体包括：子步骤A、设其中和分别表示目标i位置的x分量和y分量，和分别表示其速度的x分量和y分量，和分别表示测量yj,k的x分量和y分量，上标T表示矩阵或向量的转置；利用mi,k-1和yj,k通过变换得到向量其中子步骤B、利用转换后的向量得到转弯率其中，tk-1和tk分别为k-1时刻和k时刻的时间；子步骤C、由所述的最大转弯率ωmax和最小转弯率ωmin得到目标i对应于测量yj,k的转弯率其中ωmax和ωmin是两个已知的参数。3.如权利要求2所述的用于跟踪转弯机动目标的方法，其特征在于，所述步骤3具体包括：子步骤D、由k-1时刻目标i的边缘分布N(xi,k-1；mi,k-1,Pi,k-1)，以及所述的转弯率得到k时刻目标i对应于测量yj,k的预测边缘分布为其中i＝1,…,Nk-1，j＝1,…,M，为状态向量的均值，且为状态向量的方差，且其中，为状态转移矩阵，且子步骤E、利用贝叶斯规则对测量yj,k处理，得到目标i对应于测量yj,k的存在概率滤波增益均值向量协方差矩阵其中，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；所有的M个测量处理后，各个目标对应于各测量的更新边缘分布和存在概率分别为和其中i＝1,…,Nk-1，j＝1,…,M；子步骤F、设其中则k时刻目标i的更新边缘分布取为相应的存在概率和转弯率分别取为和其中i＝1,…,Nk-1，当q＝M+1时有4.一种用于跟踪转弯机动目标的系统，其特征在于，所述系统包括：预测模块，用于根据前一时刻各个目标的边缘分布、存在概率和转弯率，以及当前时刻与前一时刻的时间差，预测当前时刻各个目标的边缘分布和存在概率；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，k-1时刻目标i...

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