一种多传感器多目标关联跟踪方法技术

本发明专利技术属于目标关联跟踪技术领域，具体涉及一种多传感器多目标关联跟踪方法；以多传感器提供的多模态目标级量测信息作为算法的输入项，将多传感器的目标级的量测信息与上一时刻已跟踪到的目标进行互联匹配，从而对目标进行跟踪处理；充分考虑了目标状态值与量测值之间的模糊性，并根据此模糊性，采用模糊综合评价理论从目标状态数据与量测数据层面对目标进行数据级别的关联和跟踪，在目标关联过程中考虑传感器提供的多模态量测信息，增加了目标关联的可靠性，从而较好的对多目标进行关联及跟踪。跟踪。跟踪。

【技术实现步骤摘要】
一种多传感器多目标关联跟踪方法


[0001]本专利技术属于目标关联跟踪
，具体涉及一种多传感器多目标关联跟踪方法。

技术介绍

[0002]多传感器多目标的关联跟踪问题是一个十分复杂的问题。采用传感器对环境进行全面的探测，由于传感器测量出环境中的目标信息不是目标真实状态值，而是受噪声污染的目标量测值。其次，传感器所提供的量测信息包含杂波信息即环境中的树木等障碍物的量测信息，即传感器所提供的量测信息是来自于环境中的目标还是障碍物以及来自于环境中的哪个目标或障碍物具有一定的模糊性及不确定性，所以，在采用传感器对多个目标进行跟踪时，需要进行目标关联这步，来判定传感器测得的这些特征不完全相同的量测信息是否源于同一目标，使用目标关联过程后源于同一目标的量测信息对目标进行本时刻状态的更新。目标关联过程中的模糊性是一种“亦此亦彼性”问题，由于我们不可能100％确定某个量测信息来源于某个目标，只是尽可能的设计目标关联算法，在传感器测得的多个量测中挑选最可能来源于某个目标的量测进行目标关联，尽可能的提高目标关联正确率。
[0003]目前，多传感器多目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多传感器多目标关联跟踪方法，其特征在于包括如下步骤：步骤一、多模态量测信息选取：其中以传感器所在位置距离待测目标的横向距离、纵向距离和角度作为选取的多模态量测信息；步骤二、多模态量测数据初步筛选：分别计算各个传感器的多模态量测信息值与上一时刻对应传感器已跟踪到的历史目标的多模态量测预测值之间的马氏距离V
k
；将各马氏距离V
k
分别与上一时刻对应传感器已跟踪到的历史目标的门限值γ进行比较，当马氏距离小于目标门限值即V
k
＜γ时，传感器的多模态量测值被判断为前一时刻相应目标的候选量测；当马氏距离大于目标门限值即V
k
＞γ时，将传感器的此多模态量测作为新目标生成；步骤三、获取k时刻各传感器的各个候选量测的多模态量测信息与对应目标运动状态预测值之间的隶属程度μ
mj
：其中传感器测得候选量测的多模态量测信息值越接近对应目标运动状态预测值时，该候选量测来自于某个历史目标的隶属程度越大；当传感器测得候选量测的多模态量测信息值越远离某个历史目标运动状态预测值时，该候选量测来自于某个历史目标的隶属程度越小；步骤四、根据各候选量测的多模态量测信息的各模态对关联评判的影响程度不同，采用主、客观赋权算法分别对k时刻候选量测的多模态量测信息的隶属程度μ
mj
进行赋权：采用客观赋权算法——熵权法计算k时刻各候选量测的多模态量测信息的隶属程度μ
mj
的客观权重值q
2j
；采用主观赋权算法——层次分析法计算各候选量测的多模态量测信息的权重，即构造判断矩阵，对判断矩阵的每一列进行归一化后得到的矩阵的每一行进行求和，再对此矩阵进行归一化，得到多模态量测信息的隶属程度的主观权重值q
1j
；步骤五、通过博弈理论对各候选量测的多模态量测信息的隶属程度的主、客观权重值进行组合赋权并归一化，最终确定k时刻候选量测的多模态量测信息的隶属程度μ
mj
的最优权重组合值归一化后的值其中主观赋权算法——层次分析法计算出的各候选量测的多模态量测信息的隶属程度的权重值为q
1j
＝{q
11
,q
12
,
…
,q
1n
}；客观赋权算法——熵权法计算出的各候选量测的多模态量测信息的隶属程度的权重值为q
2j
＝{q
21
,q
22
,
…
,q
2n
}；各候选量测的第j个多模态量测信息的隶属程度的最优权重组合值为：其中：其中：
最后，对各候选量测的每个多模态量测信息的隶属程度的最优权重组合值进行归一化，最终得到归一化后的各候选量测的第j个多模态量测信息的隶属程度的最优权重组合值值步骤六、综合相似度计算：将各候选量测的多模态量测信息的隶属程度μ
mj
与多模态量测信息的隶属程度的最优权重组合值归一化后的值相乘，得到各候选量测相似...

【专利技术属性】
技术研发人员：宋佳，曲婷，于树友，蔡坤阳，
申请(专利权)人：吉林大学，
类型：发明
国别省市：