厚尾量测噪声下的鲁棒泊松多伯努利滤波方法及相关设备技术

本发明专利技术公开了一种厚尾量测噪声下的鲁棒泊松多伯努利滤波方法及相关设备，涉及多目标跟踪领域，主要为解决现有的多目标跟踪算法无法给出最佳的多目标跟踪性能且无法推广到实际应用中过程噪声和厚尾噪声参数均未知的多目标跟踪场景中的问题。该方法包括：建立厚尾量测噪声下多目标跟踪的状态方程和观测方程，其中，所述状态方程和观测方程包含噪声未知参数；基于所述状态方程、观测方程和增广状态空间模型确定先验PDF和目标似然PDF；基于所述先验PDF和所述目标似然PDF确定近似后验PDF；基于所述先验PDF确定泊松多伯努利混合滤波算法的预测步骤；基于所述近似后验PDF确定泊松多伯努利混合滤波算法的更新步骤。本发明专利技术用于厚尾量测噪声下的鲁棒泊松多伯努利滤波过程。尾量测噪声下的鲁棒泊松多伯努利滤波过程。尾量测噪声下的鲁棒泊松多伯努利滤波过程。

【技术实现步骤摘要】
厚尾量测噪声下的鲁棒泊松多伯努利滤波方法及相关设备


[0001]本专利技术涉及多目标跟踪领域，尤其涉及一种厚尾量测噪声下的鲁棒泊松多伯努利滤波方法及相关设备。

技术介绍

[0002]在实际多目标跟踪应用中，不可靠的传感器通常会采集呈现厚尾特征的测量异常值，这表示量测噪声是厚尾噪声。针对这种量测噪声为厚尾噪声的多目标跟踪问题，现有技术提出了带未知量测厚尾噪声的鲁棒广义标签多伯努利滤波算法。然而现有技术仍存在两个问题：1)没有考虑实际应用中过程噪声也是未知的情况；2)采用的标签多伯努利滤波算法不是目前基于随机有限集理论的多目标跟踪方法中跟踪性能最佳的算法，因此其多目标跟踪性能仍待进一步提高。

技术实现思路

[0003]鉴于上述问题，本专利技术提供一种厚尾量测噪声下的鲁棒泊松多伯努利滤波方法及相关设备，主要目的在于解决现有的多目标跟踪算法无法给出最佳的多目标跟踪性能且无法推广到实际应用中过程噪声和厚尾噪声参数均未知的多目标跟踪场景中的问题。
[0004]为解决上述至少一种技术问题，第一方面，本专利技术提供了一种厚尾量测噪声下的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种厚尾量测噪声下的鲁棒泊松多伯努利滤波方法，其特征在于，包括：建立厚尾量测噪声下多目标跟踪的状态方程和观测方程，其中，所述状态方程和观测方程包含噪声未知参数；基于所述状态方程、观测方程和增广状态空间模型确定先验PDF和目标似然PDF；基于所述先验PDF和所述目标似然PDF确定近似后验PDF；基于所述先验PDF确定泊松多伯努利混合滤波算法的预测步骤；基于所述近似后验PDF确定泊松多伯努利混合滤波算法的更新步骤。2.根据权利要求1所述的方法，其特征在于，所述噪声未知参数包括高斯过程噪声未知参数和/或厚尾量测噪声未知参数。3.根据权利要求2所述的方法，其特征在于，所述状态方程包含服从高斯分布的所述高斯过程噪声未知参数，所述观测方程包含服从学生t分布的所述厚尾量测噪声未知参数。4.根据权利要求1所述的方法，其特征在于，所述增广状态空间模型是基于所述噪声未知参数和目标运动状态建立的。5.根据权利要求1所述的方法，其特征在于，所述增广状态空间模型为高斯逆威沙特逆威沙特伽马伽马分布。6.根据权利要求1所述的方法，其特征在于，所述基于所述状态方程、观测方程和增广状态空间模型确定先验PDF和目标似然PDF，包括：基于所述状态方程和所述增广状态空间模型确定先验PDF；基于所述观测方程确定基于学生t分布的初始似然PDF；通过引入辅助变量，将所述初始似然PDF转变为目标似然PDF...

【专利技术属性】
技术研发人员：李文娟，方武，卢爱红，曹振华，冯蓉珍，郭菲，杨佳奇，陈洋，廖宇，高浩新，田博文，朱旭佳，朱哲，夏雅婷，刘艺洋，何婷，王苏楠，
申请(专利权)人：苏州经贸职业技术学院，
类型：发明
国别省市：