基于KS检验和EM划分的GIW-PHD多扩展目标跟踪算法制造技术

本发明专利技术公开了一种基于KS检验和EM划分的GIW

【技术实现步骤摘要】
基于KS检验和EM划分的GIW
‑
PHD多扩展目标跟踪算法


[0001]本专利技术涉及制导与目标跟踪
，具体的说是基于KS检验和EM划分的GIW
‑
PHD多扩展目标跟踪算法。

技术介绍

[0002]早期目标跟踪中，每个目标在每一个时间步至多只产生一个量测。使用现代和更精确的传感器，目标可能占据传感器的多个分辨率单元，从而有可能在给定时间步中产生多个量测。这类目标称为扩展目标，其量测在空间上分布在扩展目标周围。为跟踪扩展目标，GIW
‑
PHD被提出，GIW
‑
PHD使用高斯分布建模目标的运动学状态，使用逆威沙特分布建模目标的扩展状态。在使用GIW
‑
PHD算法跟踪多扩展目标的过程中，由于目标的紧邻、机动等复杂情况，使量测集的划分成为一个难点问题，传统的划分方法已不能很好地处理此类复杂情况，需要一种改进后的划分方法来进行划分。
[0003]目前，解决目标的划分问题的方法主要有距离划分、预测划分和EM划分。其中，距离划分将空间上相互接近的量测划分到相同的量测子集中，但只对非紧邻目标具有较好的效果。为解决目标紧邻的问题，K
‑
means++方法被应用到距离划分中，在一定程度上，提高了距离划分的处理紧邻目标的能力，但是K
‑
means方法对初始聚类中心的要求较高，且对杂波比较敏感，只对形状近似为圆形且大小相近的量测集具有较好效果。预测划分是基于分量预测信息进行量测集划分，该方法划分的准确度主要依赖于扩展目标的预测状态和形状参数，仅当扩展目标的前一帧状态和形状估计准确，且预测也准确时，才能较准确的划分量测集。如果扩展目标发生机动导致预测不准时，该方法失效。EM划分同样对扩展目标机动时性能下降，且容易收敛到局部最大和出现奇异解等问题。

技术实现思路

[0004]针对以上问题，本专利技术在每个扩展目标产生的量测服从高斯分布的假设下，提出了一种基于改进Kolmogorov
‑
Smirnov检验(KS)和EM聚类的划分方法(KS
‑
EM)。首先通过距离划分和预测划分方法对量测集初步划分，在对每一个划分的量测子集进行正态性KS检验，对于没有通过检验的量测子集，执行EM聚类算法，并且改进KS检验将为EM聚类算法初始分量的设置提供一定的指导。
[0005]为了达到上述目的，本专利技术是通过以下技术方案来实现的；
[0006]本专利技术是基于KS检验和EM划分的GIW
‑
PHD多扩展目标跟踪算法，包括如下步骤：
[0007]步骤1，初始化参数：出生GIW分量J
b，k
，同一扩展目标产生量测间的最大距离门限概率p
g
,门限阈值Δ
d
(p
g
),其中门限阈值Δ
d
(p
g
)由具有自由度为d的逆累卡方分布计算得出，概率为p
g
；量测维度d，量测噪声Q，变换矩阵H
x
，H
y
，跨度l；修剪阈值T，融合阈值U，接纳的GIW分量最大数量J
max
；
[0008]步骤2，量测集划分：使用距离划分与预测划分对该时刻获得的量测数据进行初步
划分，计算对每一种划分的每一个量测子集理论分布参数，并对其进行改进KS检验，若检验不通过，则进行使用EM聚类算法将原量测子集拆分为更小的量测子集，直至划分中的所有量测子集均通过改进KS检验；
[0009]步骤3，GIW
‑
PHD滤波：对GIW分量进行预测，使用量测划分集更新GIW分量，修剪去除权值过低的GIW分量、合并重叠GIW分量，提取出目标状态集；
[0010]步骤4，若下一时刻观测信息到达，转到步骤(2)，否则跟踪过程结束。
[0011]本专利技术的进一步改进在于：步骤2的具体操作为：
[0012]步骤2.1，距离划分：对于在k时刻所产生的量测集Z
k
，从中任取两个量测和计算他们之间的距离，若则将其聚为一类；若对于此类中任意量测有Z
k
中其它量测满足上述关系，则继续此聚类过程，直到这一时刻所有的量测都已聚类完成，得到若干量测子集以及最后的划分p1；
[0013]步骤2.2，预测划分：选取权值将此类分量按权值降序排列，依次取出GIW分量计算：
[0014][0015]其中，表示为k+1时刻第j个GIW分量的先验估计扩展状态、逆威沙特尺度矩阵、逆威沙特自由度，d为量测维度；
[0016]将满足的量测聚为一类，其中，H
k
为变换矩阵，为运动状态，直至这一时刻的所有量测或者GIW分量完成聚类，得到若干量测子集以及最后的划分p2；若一个量测同时被聚类到两个或多个量测子集中，则优先将此量测放入更高权值的GIW分量量测子集中；未被任意GIW分量聚类的量测，将置于只包含一个量测的量测子集中；
[0017]步骤2.3，对步骤2.1和步骤2.2得到的量测子集进行KS
‑
EM划分。
[0018]本专利技术的进一步改进在于：步骤2.3具体包括如下步骤：
[0019]步骤2.3.1，KS检验：
[0020]步骤2.3.1a，取划分p1或p2中未通过KS检验的量测子集，对该量测子集进行高斯拟合；
[0021][0022][0023]其中，表示协方差，Q是量测噪声，为量测子集，表示高斯均值；步
骤2.3.1b，特征值分解得旋转矩阵和对角矩阵并将和旋转相同角度；
[0024][0025][0026][0027]其中为旋转矩阵，为对角矩阵，为旋转后的均值向量、量测、量测子集；
[0028]步骤2.3.1c，将每一个划分中量测子集中的坐标按X轴和Y轴拆分为两个独立有序坐标集和分别代入理论分布函数F0(c)与经验分布函数F
n
(c)中，计算每一个单轴坐标的理论分布值与经验分布值之间的偏差与根据偏差计算第一个统计量计算每一个单轴坐标的理论分布值与经验分布值之间的连续偏差与根据连续偏差计算第二个统计量
[0029]步骤2.3.1d，通过查询单样本Kolmogorov
‑
Smirnov临界值表，得的临界值计算的临界值
[0030]步骤2.3.1e，判断统计量与是否大于其对应的临界值，若其中存在一个统计量大于其对应的临界值，则量测子集的KS检验不通过，且该划分KS检验不通过，继续执行步骤2.3.2；若划分p1和p2中所有的量测子集均通过检验，则划分KS检验通过，直接执行步骤2.3.3；
[0031]步骤2.3.2，EM聚类：
[0032]步骤2.3.2a，将未通过KS检验的量测子集从划分中移除，并对该量测子集进行具有两个高斯分量的EM聚类；若大于说明所描述椭圆的X轴方向上更可能存在两个目标，设置两个高斯分量的均值向量位于该方向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于KS检验和EM划分的GIW
‑
PHD多扩展目标跟踪算法，其特征在于：包括如下步骤：步骤1，初始化参数：出生GIW分量J
b，k
，同一扩展目标产生量测间的最大距离门限概率p
g
,门限阈值Δ
d
(p
g
),其中门限阈值Δ
d
(p
g
)由具有自由度为d的逆累卡方分布计算得出，概率为p
g
；量测维度d，量测噪声Q，变换矩阵H
x
，H
y
，跨度l；修剪阈值T，融合阈值U，接纳的GIW分量最大数量J
max
；步骤2，量测集划分：使用距离划分与预测划分对该时刻获得的量测数据进行初步划分，计算对每一种划分的每一个量测子集理论分布参数，并对其进行改进KS检验，若检验不通过，则进行使用EM聚类算法将原量测子集拆分为更小的量测子集，直至划分中的所有量测子集均通过改进KS检验；步骤3，GIW
‑
PHD滤波：对GIW分量进行预测，使用量测划分集更新GIW分量，修剪去除权值过低的GIW分量、合并重叠GIW分量，提取出目标状态集；步骤4，若下一时刻观测信息到达，转到步骤(2)，否则跟踪过程结束。2.根据权利要求1所述基于KS检验和EM划分的GIW
‑
PHD多扩展目标跟踪算法，其特征在于：步骤2的具体操作为：步骤2.1，距离划分：对于在k时刻所产生的量测集Z
k
，从中任取两个量测和计算他们之间的距离，若则将其聚为一类；若对于此类中任意量测有Z
k
中其它量测满足上述关系，则继续此聚类过程，直到这一时刻所有的量测都已聚类完成，得到若干量测子集以及最后的划分p1；步骤2.2，预测划分：选取权值的GIW分量，将此类分量按权值降序排列，依次取出GIW分量计算：其中，表示为k+1时刻第j个GIW分量的先验估计扩展状态、逆威沙特尺度矩阵、逆威沙特自由度，d为量测维度；将满足的量测聚为一类，其中，H
k
为变换矩阵，H
k
＝[1 0 0]，I
d
是d维单位矩阵，符号代表A和B的克罗内克积，为运动状态，直至这一时刻的所有量测或者GIW分量完成聚类，得到若干量测子集以及最后的划分p2；若一个量测同时被聚类到两个或多个量测子集中，则优先将此量测放入更高权值的GIW分量量测子集中；未被任意GIW分量聚类的量测，将置于只包含一个量测的量测子集中；步...

【专利技术属性】
技术研发人员：李鹏，陈澄，王杰，张俊男，赵琦，王文慧，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：