一种鱼类运动状态的模型算法制造技术

本发明专利技术公开了一种鱼类运动状态的模型算法，(1)在声学图像中设有T个目标，并表示其状态方程和测量方程；(2)在整个过程中，设定运动模型是多个模型中的一个；(3)分别以二阶匀速模型、三阶匀加速模型和布朗模型三种运动模型来构成模型的状态转移矩阵。本发明专利技术交互式多模型算法用于解决被追踪的目标发生机动状态时建立运动模型困难的问题，其一般由两个以上的运动模型交互得到目标状态的估计，用模型的后验概率对滤波器的输入、输出进行加权计算，使得算法中的当前模型尽可能接近金枪鱼的实际运动状况，具有递推性、模块化、固定的运算量突出的优点。

【技术实现步骤摘要】

本专利技术涉及鱼群追踪
，具体是一种鱼类运动状态的模型算法。
技术介绍
运动目标追踪是当今科学研究的热点也是非常重要的研究工具，水下目标跟踪源于军事领域的研究，最近一段时期才在民用方面开展起来，且最近几年研究的热度也在不断地提高。在渔业领域的研究目前还比较少，在对鱼群追踪和个体追踪计数等方面，有着广阔的研究前景。目前在水下运动目标追踪研究方面，国外的一些研究机构已经做了较多的研究工作。但是鱼类的运动变化大，很难用一种运动模型来描述实时的运动状态。现常用运动模型，要么适合匀速运动的物体，要么适合加速变化不大的物体，像鱼类的运动速度变化大并且加速度变化也大，而且方向也不确定的物体，很难用一种运动模型来描述鱼类的运动状态，因此在这些基础常用的运动模型的基础上提出了综合运用二阶匀速模型(CV)、三阶匀加速模型(CA)和布朗模型这三种运动模型结合的交互式多模型算法来描述鱼类的运动状态。
技术实现思路
本专利技术的目的在于提供一种鱼类运动状态的模型算法，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种鱼类运动状态的模型算法，过程如下：(1)在声学图像中设有T个目标，其状态方程和测量方程分别表示为 X t ( k ) = F t ( k - 1 ) + W t ( k - 1 ) Z ( k - 1 ) = H ( k - 1 ) X t ( k - 1 ) + V ( k - 1 ) ]]>式中：k＝1，2，…；t＝1，2，…，T；其中Xt(k)为k时刻目标t的状态向量初值，Xt(0)是均值为协方差的随机向量，且独立于Wt(k)；Ft(k)为目标t的状态转移矩阵；Wt(k)为状态噪声，其均值为零的高斯白噪声；Z(k)为k时刻目标的测量值；H(k)为测量矩阵；V(k)为测量噪声，其均值为零的高斯白噪声；(2)在整个过程中，运动模型是N个模型中的一个，即鱼类处在N个模式中的某一个，Mi为系统处在模式i的先验概率为P{Mi|Z0本文档来自技高网...

【技术保护点】
一种鱼类运动状态的模型算法，其特征在于，过程如下：(1)在声学图像中设有T个目标，其状态方程和测量方程分别表示为Xt(k)=Ft(k-1)+Wt(k-1)Z(k-1)=H(k-1)Xt(k-1)+V(k-1)]]>式中：k＝1，2，…；t＝1，2，…，T；其中Xt(k)为k时刻目标t的状态向量初值，Xt(0)是均值为协方差的随机向量，且独立于Wt(k)；Ft(k)为目标t的状态转移矩阵；Wt(k)为状态噪声，其均值为零的高斯白噪声；Z(k)为k时刻目标的测量值；H(k)为测量矩阵；V(k)为测量噪声，其均值为零的高斯白噪声；(2)在整个过程中，运动模型是N个模型中的一个，即鱼类处在N个模式中的某一个，Mi为系统处在模式i的先验概率为P{Mi|Z0}＝μi(0)ι＝1，2，…，N式中：Z0为先验信息，而(3)分别以CV模型‑M1、CA模型‑M2和布朗模型‑MN三种运动模型来构成模型算法，其状态转移矩阵分别如下：F1=100000000000000001000000000000,F2=1Ts0000100000000001Ts00001000000,FM=1TsTs20001Ts0000000001TsTs20001Ts00000.]]>...

【技术特征摘要】
1.一种鱼类运动状态的模型算法，其特征在于，过程如下：(1)在声学图像中设有T个目标，其状态方程和测量方程分别表示为 X t ( k ) = F t ( k - 1 ) + W t ( k - 1 ) Z ( k - 1 ...

【专利技术属性】
技术研发人员：童剑锋，张进，韩军，许柳雄，唐浩，王学昉，袁俊，徐国强，
申请(专利权)人：上海海洋大学，舟山市声达海洋信息技术有限公司，
类型：发明
国别省市：上海;31