一种基于多输出高斯过程的目标跟踪方法技术

本发明专利技术公开了一种基于多输出高斯过程的目标跟踪方法，使用高斯过程回归对目标的动力学模型和测量模型进行建模，使用多输出高斯过程技术捕捉系统模型输出之间的相关性，并基于所建立的模型使用贝叶斯积分技术完成目标跟踪中的矩转换步骤，从而提高了目标跟踪的精确性和一致性。

【技术实现步骤摘要】
一种基于多输出高斯过程的目标跟踪方法
本专利技术涉及目标跟踪领域，特别涉及一种多输出高斯过程目标跟踪方法。
技术介绍
在机器人控制、飞行器制导等应用领域中，目标跟踪是一项重要的任务。目标跟踪要求通过传感器的观测，对指定目标的系统状态进行估计。针对受到高斯噪声扰动的线性系统，传统的目标跟踪方法通过卡尔曼滤波器实现。针对非线性系统的跟踪，已提出的基于模型的方法包括扩展卡尔曼滤波、无迹卡尔曼滤波、交互式多模型算法等。近年来，随着系统辨识理论和滤波理论的不断发展，基于数据和机器学习的目标跟踪方法被不断提出，大大提高了非线性系统目标跟踪性能。《神经网络校正的EKF在水下被动目标跟踪中的应用研究》，载于《小型微型计算机系统》(丁一,张瑶,and李冠男,"神经网络校正的EKF在水下被动目标跟踪中的应用研究,"小型微型计算机系统,vol.41,pp.897-901,2020.)公开了一种基于神经网络模型的水下被动目标跟踪方法，使用BP神经网络对扩展卡尔曼滤波的误差进行学习，并在滤波过程中进行在线补偿。然而，该方法与其他类似使用神经网络进行轨迹跟踪控制律本文档来自技高网...

【技术保护点】
1.一种基于多输出高斯过程的目标跟踪方法；其特征在于，包括以下步骤：/n步骤(1)基于多输出高斯过程模型，对目标动力学模型和测量模型进行辨识；/n步骤(2)基于贝叶斯滤波方法对目标状态进行实时估计，其预测步骤；/n步骤(3)基于贝叶斯滤波方法对目标状态进行实时估计，其更新步骤。/n

【技术特征摘要】
1.一种基于多输出高斯过程的目标跟踪方法；其特征在于，包括以下步骤：
步骤(1)基于多输出高斯过程模型，对目标动力学模型和测量模型进行辨识；
步骤(2)基于贝叶斯滤波方法对目标状态进行实时估计，其预测步骤；
步骤(3)基于贝叶斯滤波方法对目标状态进行实时估计，其更新步骤。


2.根据权利要求1所述的基于多输出高斯过程的目标跟踪方法，其特征在于，所述步骤(1)包括：
(11)建立系统模型，给定高斯过程先验系统模型为：
xk＝f(xk-1)+qk
yk＝h(xk)+rk
其中xk为系统状态，yk为观测量，f(·)为目标动力学方程，h(·)为测量方程，和分别为系统过程噪声和测量噪声；
对目标动力学方程和测量方程，分别给定高斯过程先验






其中Kf(x,x′)和Kh(x,x′)为先验协方差矩阵函数；
(12)获取训练数据，对动力学方程和测量方程，分别通过确定性采样技术获得训练数据集{Xf,yf}、{Xh,yh}，计算训练数据协方差矩阵






其中Σf和Σh为训练数据的观测噪声协方差矩阵；
(13)模型训练，通过训练数据的似然，使用梯度下降法对高斯过程模型超参数进行训练，得到最优超参数为：








3.根据权利要求1所述的一种基于多输出高斯过程的目标跟踪方法，其特征在于...

【专利技术属性】
技术研发人员：陆科林，符启恩，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32