一种贝叶斯滤波目标跟踪算法制造技术

本发明专利技术公开了一种贝叶斯滤波目标跟踪算法，本发明专利技术方法第一步，由k‑1时刻的目标状态最优估计通过运动模型得到下一个时刻的目标状态一步预测估计；第二步，由雷达观测站获得k时刻目标的观测值后采用随机变量固定点采样非线性变换方法将目标相对于雷达的距离信息和角度信息转化为目标的笛卡尔坐标位置信息；第三步，将目标状态一步预测先验信息和雷达观测反向估计似然函数两部分信息，通过本发明专利技术的概率似然乘积规则进行乘积融合最终得到k时刻目标状态的后验估计，储存目标状态后更新时刻并进入下一轮迭代，本发明专利技术具有精度更高、鲁棒性更好、算法结构更简明的特点，在雷达、多传感器、机动和多目标跟踪方面具有很高的实用价值。

【技术实现步骤摘要】
一种贝叶斯滤波目标跟踪算法
本专利技术涉及一种贝叶斯滤波目标跟踪算法，属于目标跟踪领域。
技术介绍
目标跟踪在军事和民用领域都具有广泛的应用，如空中监视、卫星和飞船跟踪以及智能交通和视频监控等。目标跟踪问题实质上是一个状态估计问题，其核心是滤波算法。根据动态系统空间模型的不同，可将滤波问题分为线性滤波和非线性滤波。上世纪七十年代，卡尔曼滤波器成功的被应用于目标跟踪领域，作为目标跟踪领域最经典的线性滤波算法，在线性高斯情况下，卡尔曼滤波器的滤波结果在最小方差，最大似然等准则下都是最优的。利用克拉美罗下限可以证明，本专利技术在线性高斯情况下跟卡尔曼滤波精度一致。面对非线性滤波问题，近三十年来，大量学者和专家提出了许多有效的非线性滤波算法，最著名的有扩展卡尔曼滤波(extendedKalmanfilter，EKF)、无迹卡尔曼滤波(UnscentedKalmanfilter，UKF)、粒子滤波(Particlefilter，PF)，但它们都存在一些问题，如扩展卡尔曼滤波算法存在线性化精度较低和需要计算复杂的雅可比矩阵；一般无迹卡尔曼滤波算法存在计算繁琐、滤波发散甚至失真的问题，粒子滤波存在本文档来自技高网...

【技术保护点】
1.一种贝叶斯滤波目标跟踪算法，其特征在于，具体步骤如下：(1)按照贝叶斯滤波方法，将k‑1时刻目标状态的后验估计均值

【技术特征摘要】
1.一种贝叶斯滤波目标跟踪算法，其特征在于，具体步骤如下：(1)按照贝叶斯滤波方法，将k-1时刻目标状态的后验估计均值和方差Pk-1/k-1代入反映目标运动规律的状态方程，求出k时刻目标状态xk的先验估计概率其中Pk/k-1分别表示先验估计的均值和方差，Zk-1表示0～k-1时刻目标的观测数据集；(2)通过随机变量固定点采样非线性变换高斯近似方法将k时刻雷达观测数据zk转换为目标状态的似然函数其中和分别表示目标状态似然函数对应随机变量的均值和方差；(3)采用贝叶斯滤波公式p(xk|Zk)＝p(zk|xk,Zk-1)p(xk|Zk-1)/p(zk|Zk-1)将步骤(1)得到的k时刻目标状态的先验估计概率与步骤(2)得到的目标状态的似然函数进行乘积融合，求出k时刻目标状态的后验估计概率其中，为后验估计均值、Pk|k为后验估计方差，p(zk|Zk-1)为归一化常数；(4)将步骤(3)得到的后验估计分布进行储存，并令k＝k+1对下一时刻的目标进行跟踪估计，直至跟踪结束。2.根据权利要求1所述的贝叶斯滤波目标跟踪算法，其特征在于：所述步骤(2)中，通过随机变量固定点采样非线性变...

【专利技术属性】
技术研发人员：赵宣植，张文，刘增力，刘康，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：云南,53