一种目标跟踪定位方法、系统、装置及可读存储介质制造方法及图纸

本发明专利技术公开了一种目标跟踪定位方法、系统、装置及可读存储介质，所述方法包括：构建目标的运动模型，并获取目标的跟踪初始状态；其中，所述运动模型包括约束条件、目标的状态更新方程以及目标的测量更新方程；利用有所述约束条件的卡尔曼滤波器对目标进行跟踪定位；其中，利用卡尔曼滤波器进行跟踪得到目标的状态估计值，再基于概率密度函数截断法对目标的状态估计值进行约束得到有约束下的目标状态估计值，实现目标跟踪。本发明专利技术利用所述方法可以实现利用道路约束信息来提高机动目标的跟踪精度。

【技术实现步骤摘要】
一种目标跟踪定位方法、系统、装置及可读存储介质
本专利技术属于目标跟踪
，具体涉及一种目标跟踪定位方法、系统、装置及可读存储介质。
技术介绍
目标跟踪与定位是通过测量数据获得对被跟踪目标的位置、速度和其他运动参数的实时估计过程。目标跟踪与定位问题在环境监测、网络安全、医疗诊断、军事侦察等诸多科学和工程领域都有所体现。其中，对机动目标的跟踪与定位，即跟踪道路上所行驶的车辆。比如公路上行驶的车辆受到公路形状的约束，这就是典型的有约束的机动目标跟踪问题。卡尔曼滤波器是目标跟踪与定位领域中使用的主要工具之一，它包括两个阶段：预测与更新。在预测阶段，滤波器利用机动目标前一时刻的状态估计，做出对当前时刻的状态估计。在更新阶段，滤波器利用对机动目标当前状态的观测值，优化在预测阶段得到的预测值，得到一个更精确的新估计值。一般情况下，卡尔曼滤波器及其扩展在高斯噪声下对机动目标的跟踪表现良好，但在非高斯噪声情形下，性能会变得糟糕，尤其当系统受到脉冲噪声干扰时更甚。在目标跟踪的真实场景中遇到非高斯噪声是普遍的。近年来信息理论学习的优化准则得到了本文档来自技高网...

【技术保护点】
1.一种目标跟踪定位方法，其特征在于：包括如下步骤：/n构建目标的运动模型，并获取目标的跟踪初始状态；其中，所述运动模型包括约束条件、目标的状态更新方程以及目标的测量更新方程；/n利用有所述约束条件的最大相关熵准则卡尔曼滤波器对目标进行跟踪定位；/n其中，利用最大相关熵准则卡尔曼滤波器进行跟踪得到目标的状态估计值，再基于概率密度函数截断法对目标的状态估计值进行约束得到有约束下目标的状态估计值，实现目标跟踪。/n

【技术特征摘要】
1.一种目标跟踪定位方法，其特征在于：包括如下步骤：
构建目标的运动模型，并获取目标的跟踪初始状态；其中，所述运动模型包括约束条件、目标的状态更新方程以及目标的测量更新方程；
利用有所述约束条件的最大相关熵准则卡尔曼滤波器对目标进行跟踪定位；
其中，利用最大相关熵准则卡尔曼滤波器进行跟踪得到目标的状态估计值，再基于概率密度函数截断法对目标的状态估计值进行约束得到有约束下目标的状态估计值，实现目标跟踪。


2.根据权利要求1所述的方法，其特征在于：所述基于概率密度函数截断法对目标的状态估计值进行约束得到有约束下目标的状态估计值的过程中，状态约束服从线性等式约束，如下：
Mxk＝m
式中，M为约束矩阵，m是约束值，xk为当前k时刻目标的状态值，目标的状态估计值满足所述线性等式约束；
初始化设置如下：
i＝0,
i表示前i个约束，其最大值等于m的维度q，分别为当前k时刻利用前i个约束转换的状态估计值和协方差；Pk|k分别为利用最大相关熵准则卡尔曼滤波器得到当前k时刻目标的状态估计值以及协方差；
i从0到q依次取值，并按照下述公式迭代计算，最终得到作为当前k时刻对应在有约束下目标的状态估计值和协方差，并将目标的状态估计值作为当前k时刻下目标的定位结果，迭代公式如下：







分别为当前k时刻利用前i+1个约束转换的状态估计值、协方差；ρ为一个正交矩阵，S是一个对角矩阵，U是一个正交矩阵，S和U是协方差的奇异值分解，T为矩阵的转置符号；







均为书写定义，μ、σ分别为加入约束条件后状态估计的均值和方差。


3.根据权利要求2所述的方法，其特征在于：所述利用有所述约束条件的最大相关熵准则卡尔曼滤波器对目标进行跟踪定位的过程中，针对每一跟踪时刻，执行过程如下A：
A：利用最大相关熵准则卡尔曼滤波器进行跟踪得到目标在当前时刻对应的状态估计值，再基于概率密度函数截断法对目标的状态估计值进行约束得到有约束下的目标在当前时刻对应的状态估计值；
然后，再利用有约束下的目标在当前时刻对应的状态估计值以及最大相关熵准则卡尔曼滤波器得到下一时刻的目标的状态估计值，再基于概率密度函数截断法对目标的状态估计值进行约束得到有约束下的目标在下一时刻对应的状态估计值；
循环上述过程实现目标的跟踪定位。


4.根据权利要求2所述的方法，其特征在于：所述利用有所述约束条件...

【专利技术属性】
技术研发人员：邹逸群，邹双，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43