一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法技术

本发明专利技术公布了一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，主要解决了概率假设密度多目标跟踪方法中存在的杂波强度未知的问题。所示方法包括：首先采用有限混合模型对未知杂波密度建模；其次分别对混合权重及缺失参数施加熵惩罚因子；然后通过自适应动态系数调节，使得混合模型低权值分量加速消亡，减少了迭代次数，且对初始参数不敏感。该方法在杂波强度未知的环境下，具有跟踪精度高且稳定的优势，提高了PHD滤波器在多目标跟踪中的性能。

【技术实现步骤摘要】
一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法
本专利技术属于目标跟踪
，特别是未知杂波估计的PHD跟踪方法。
技术介绍
多目标跟踪(Multi-TargetTracking，MTT)是目标跟踪的研究热点，其在国防、军事、环境监测、安全监控、智能交通等领域具有广泛的应用价值。多目标跟踪方法主要有基于数据关联和随机有限集两类，前者的主要思想是通过数据关联建立观测信息与目标身份信息的匹配，从而将多目标跟踪问题转化为对单一目标状态的估计。但由于数据关联需要大量的计算，所以这类方法处理起来极为复杂。针对这一问题，Mahler将随机有限集理论(RandomFiniteSet，RFS)引入到多目标跟踪问题的求解中，提出了基于概率假设密度(ProbabilityHypothesisDensity，PHD)滤波方法。PHD滤波器是RFS理论框架下多目标状态集合的后验概率密度的一阶统计矩，其实现主要分为适用于非线性非高斯情形下的序贯蒙特卡洛PHD(SequentialMonteCarloPHD，SMC-PHD)滤波器和适用于线性高斯情形下的高斯混合PHD(GaussianMixturePHD，GM-PHD)滤波器。这类方法避免了数据关联，从而降低了计算难度，成为了近年来国内外研究热点。在传统的PHD滤波器中，通常假定杂波的数目服从泊松分布，且在整个区域分布均匀。此种假定在杂波干扰较少的跟踪环境中不会有太大问题，但在复杂环境下，由于杂波个数和分布未知，这种假设使方法的鲁棒性和跟踪精度会严重降低。针对此类问题，目前的研究文献中有很多解决方法，但都存在着各种不足，林晓东等人于2011年提出了改进的基于概率假设密度滤波的多目标跟踪方法，该方法在目标状态中加入标签，除去权重较大标签代表的杂波干扰，此方法能更好地避免杂波干扰，但对新的目标不易发现。LianF等人于2010年提出了未知杂波强度估计的PHD滤波方法，该方法运用有限混合模型和期望最大化(ExpectationMaximization，EM)方法，较全面地解决了多目标跟踪中未知杂波估计的问题，但是杂波模型对初始值要求较敏感，不合理的初始值将影响估计精度。另外，传统EM方法计算量大，收敛速度慢，在复杂杂波背景下进行跟踪难以满足实时性的要求。
技术实现思路
本专利技术所解决的技术问题在于提供一种基于熵惩罚EM的未知杂波估计的PHD(Entropy-penalizedExpectationMaximizationPHD，EPEM-PHD)滤波方法。实现本专利技术目的的技术解决方案为：首先，提出了将带有熵惩罚因子的EM方法应用到PHD滤波器中，以加速PHD方法执行效率，提高了方法的实时性。其次，通过动态系数自适应调节使得加速混合模型分量消亡，在减少方法迭代次数的同时，又避免陷入局部最优解。此外，熵惩罚EM方法还具有对初始参数不敏感的优点。通过SMC-PHD滤波器的实现，保证了该方法在非线性情况下也有很好的应用。本专利技术与现有技术相比具有以下优点：1.针对多目标跟踪方法对强实时性的需求，首次提出了将带有熵惩罚因子的EM方法应用到PHD滤波器中，以加速PHD方法执行速度，使得改进后的PHD方法在多目标跟踪中具有实时性强的优势。2.在熵惩罚EM方法中赋予熵惩罚因子合适的动态调节系数，通过动态系数自适应调节使得加速混合模型分量消亡，在减少方法迭代次数的同时，又避免陷入局部最优解。3.提出了基于序贯MonteCarlo改进EM的未知杂波估计PHD方法，在完成杂波强度估计的同时，保证了在非线性情况下也能有很好的应用。下面结合附图对本专利技术作进一步详细描述。附图说明图1为本专利技术方法的流程图。图2为无线传感器网络协同跟踪仿真场景图中X坐标真实值与估计值对比。图3为无线传感器网络协同跟踪仿真场景图中Y坐标真实值与估计值对比。图4为不同方法跟踪误差对比图。具体实施方式依据附图，对本专利技术的技术方案作具体说明。所述基于熵惩罚EM的未知杂波估计的PHD滤波方法，包括以下步骤：步骤1进行基于熵惩罚EM方法的未知杂波估计。采用随机有限集为杂波强度建模，杂波强度可表示为k(z)＝λc(z)(1)其中，λ为杂波数目，c(z)为杂波分布。(1)杂波数目的估计记H＝{h1，h2…hk-1}，hi表示i时刻的量测个数，i＝1，2，…，k-1。设杂波的运动为泊松点过程，即其中，λ即为平均每帧的杂波个数。其无偏最小方差估计为即为杂波数目的估计值。(2)杂波分布的估计采用有限混合模型描述杂波分布其中，M为分量数目，θm＝{μm，φm}为分量均值μm与分量方差φm构成的分量m参数集合，θ＝{θ1，…，θM，π1，…，πM}为混合参数集合，混合权重πm表示混合模型中各分量的比例系数，并且在有限混合模型的初始步骤中增加一个均匀分布分量，用于拟合来源于背景噪声的稀疏杂波分布，既可实现初始分量对目标区域较为全面的表示，同时又能达到缩减初始分量数目的目的。新的有限混合模型表示如下由量测集合Z的n个元素相互独立，得到随机有限集合参数θ的极大似然函数为采用EM方法求参数θ的极大似然估计。令EM方法的缺失参数集合为E＝{e1，e2，…，en}，其中ej为M维向量，emj＝0或1，分别表示第j个测量属于或不属于混合模型中的第m分量，且满足由完整数据集Y＝{z1，z2，…，zn，E}，可得最大似然法求解的相关log似然函数为由混合模型的各分量均为高斯分布，可得混合模型为其中，d表示量测维数，δ(z，μ；φ)表示z与μ的马氏距离，emi为缺失参数，μm、φm、πm为混合参数。步骤2进行基于熵惩罚的改进EM的参数估计未施加惩罚因子的EM方法通常步骤为E-Step：求解参数emi，有M-Step：将似然函数式(7)最大化，以获得混合参数πm、μm和φm的估计值，有混合权重分量均值分量方差对参数emi与混合权重πm施加惩罚因子，得到新的EM方法。具体为(1)对混合权重πm施加熵惩罚因子，得到新的M-Step。混合权重πm是迭代过程中分量删减的依据，πm值越大，则该分量在下一次迭代中越可能被留存下来。而当πm越小，直至小于预先设定的阈值ξ时，该分量就会被删减。取表示所有分量的信息熵。其中，-lnπm表示第m分量中一个数据点所散发的信息量，当时，则认为没有关于πm的信息量。这里通过最大化W，即最小化信息熵实现更好更快地获得πm的信息。在似然函数式(7)中添加惩罚因子以便对EM方法的迭加过程进行调节，可得其中，α为自适应调节系数，且满足α∈(0，1)，有采用拉格朗日乘子法，将式(5)代入式(15)，并对πm求一阶偏导，有如果则混合模型的第m分量在第t+1次迭代时，其混合权重将比没有施加惩罚因子时要小。按照迭代规则，越小，则减小的趋势越大。当减小到阈值ξ时，认为第m分量是无效的，将此分量进行删减。分量数目M每减少一次，为保证约束条件和的成立，对和调整为由式(17)、式(13)与式(14)形成新的M-Step。(2)对缺失参数emi施加熵惩罚因子，得到新的E-Step。以-lnemi表示量测zi属于第m分量的信息量，则为zi属于各分量的信息熵。当emi＝1/M，即zi属于任何一个分量的概率相同时，则认为信息量不存在。对emi施加惩罚因子，有其中，为关于的加本文档来自技高网...

【技术保护点】
一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，包括以下步骤：第一步，初始化获得k‑1时刻的多目标状态集及杂波强度。第二步，根据杂波强度和PHD预测与更新公式，进行PHD更新，并重采样，得到k时刻多目标状态集。第三步，根据k时刻的目标量测集与k时刻的多目标状态集对比，得到k时刻的杂波量测集。第四步，杂波强度估计。由杂波量测个数得到杂波数目估计。根据杂波量测集建立有限混合模型，根据熵惩罚EM方法估计模型参数，从而得到杂波分布估计。然后由杂波数目估计和杂波分布估计得到杂波强度估计。转至第一步，进入下一时刻。

【技术特征摘要】
1.一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，包括以下步骤：第一步，初始化获得k-1时刻的多目标状态集及杂波强度。第二步，根据杂波强度和PHD预测与更新公式，进行PHD更新，并重采样，得到k时刻多目标状态集。第三步，根据k时刻的目标量测集与k时刻的多目标状态集对比，得到k时刻的杂波量测集。第四步，杂波强度估计。由杂波量测个数得到杂波数目估计。根据杂波量测集建立有限混合模型，根据熵惩罚EM方法估计模型参数，从而得到杂波分布估计。然后由杂波数目估计和杂波分布估计得到杂波强度估计。转至第一步，进入下一时刻。2.根据权利要求1所述的一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，其特征在于，所述第三步中，根据k时刻的目标量测集与k时刻的多目标状态集对比，得到k时刻的杂波量测集。具体是，首先，利用k-1时刻的杂波强度估计值近似得到κk(z)。然后，由Dk(z)＝κk(z)+Ck(z)得到k时刻的更新强度Dk(z)，再根据PHD滤波器得到k时刻多目标状态估计值最后，依据距离判据对比目标量测集合Zk与得到k时刻杂波量测z1，z2，…，zn。3.根据权利要求1所述的一种基于熵惩罚的EM未知杂波估计的PHD多目标跟踪方法，其特征在于，所述第四步中，由杂波量测个数得到杂波数目估计。具体是，由计算k时刻杂波...

【专利技术属性】
技术研发人员：丁勇，柏茂羽，胡忠旺，
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