The invention discloses a PHD multi-target tracking smoothing filtering method to accelerate EM unknown clutter estimation, which mainly solves the problem of unknown clutter strength estimation in PHD multi-target tracking method. The method comprises the following steps: firstly, from the previous time to estimate the clutter clutter at the moment; secondly, using Gauss finite mixture model fitting complex density function of wave, by applying the entropy penalty, dynamic adjustment of the penalty factor and other measures to accelerate the estimation of Gauss finite mixture model divided the number value of the approximate optimal solution; then using Aitken, acceleration method of Gauss finite mixture model parameter estimation value is corrected, more accurate estimation of the parameters; finally, the smooth operation of the PHD filter, value smoothing, improve the target tracking accuracy. The invention can track multiple targets under unknown clutter intensity, and has the advantages of accurate estimation of clutter intensity, stable multi-target tracking and small tracking error.
【技术实现步骤摘要】
一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法
本专利技术属于多目标跟踪
,特别是一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法。
技术介绍
多目标跟踪(Multi-targetTracking,MTT)技术是指根据传感器得到的运动目标和环境噪声的量测信息,对目标的个数和状态进行估计的过程。近年来,多目标跟踪技术已成为目标跟踪领域的研究热点。早期的多目标跟踪算法是基于数据关联(DataAssociation,DA)的方法,先确立目标与量测间的对应关系,再通过贝叶斯理论将多目标跟踪问题转换为对多个单目标的状态进行估计。这类算法的缺点是数据关联过程比较复杂,运算量大,对目标个数的估计缺乏有效性。另一类多目标跟踪算法是基于随机有限集(RandomFiniteSet,RFS)理论的方法,概率假设密度(ProbabilityHypothesisDensity,PHD)滤波器就是基于此理论。PHD滤波器用随机有限集来描述目标的状态和传感器的量测,将多目标的状态估计问题转换为集值估计,避免了数据关联,可同时对目标的状态和个数进行估计。这类算法理论基础坚实、实现简单,能够对复杂背景下的多目标进行准确跟踪。传统的PHD滤波器通常假定杂波强度先验已知,但是在实际应用场景中,受到地形、电子对抗等外部干扰,杂波强度的先验通常是未知且复杂的。此时,若仍假定杂波先验已知,容易导致跟踪的精度下降。针对未知杂波下的多目标跟踪问题,目前有学者提出了一些解决办法。MahlerR等人于2011年提出了一种未知杂波及未知检测概率的CPHD(CardinalizedPHD,C ...
【技术保护点】
一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法,包括以下步骤:第一步,初始化前k‑1个时刻杂波个数、k‑1时刻多目标状态集合、k时刻杂波的量测及新生目标状态集合。第二步,根据前k‑1个时刻的杂波个数估计k时刻杂波个数。第三步,由加速EM算法估计杂波的密度函数。第四步,计算k时刻杂波的强度。第五步,根据PHD预测公式,预测k时刻多目标的PHD。第六步,根据PHD更新公式,更新k时刻多目标的PHD。第七步,根据平滑公式,平滑k时刻多目标的PHD。第八步,判断跟踪时间是否结束,若没有则k=k+1,转第一步;否则结束跟踪。
【技术特征摘要】
1.一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法,包括以下步骤:第一步,初始化前k-1个时刻杂波个数、k-1时刻多目标状态集合、k时刻杂波的量测及新生目标状态集合。第二步,根据前k-1个时刻的杂波个数估计k时刻杂波个数。第三步,由加速EM算法估计杂波的密度函数。第四步,计算k时刻杂波的强度。第五步,根据PHD预测公式,预测k时刻多目标的PHD。第六步,根据PHD更新公式,更新k时刻多目标的PHD。第七步,根据平滑公式,平滑k时刻多目标的PHD。第八步,判断跟踪时间是否结束,若没有则k=k+1,转第一步;否则结束跟踪。2.根据权利要求1所述的一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法,其特征在于,所述第三步中,由加速EM算法估计杂波的密度函数,具体步骤为由高斯有限混合模型拟合杂波的密度函数p(z)为其中,z表示杂波的量测;c表示高斯有限混合模型分量的个数;αl表示高斯有限混合模型分量l的权值,满足条件p(z|θl)表示高斯有限混合模型分量l的密度函数;μl和∑l分别表示均值向量和协方差矩阵,θl=(μl,∑l);d表示维数大小。p(z)中的参数μ1、αl、c、Σl采用加速EM算法进行估计,具体为首先,初始化μl、αl、c、∑l,令迭代次数t的初值为1,并计算均值向量为其中,为缺失参数。其次,计算混合权重为
【专利技术属性】
技术研发人员:丁勇,胡忠旺,杨勇,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏,32
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。