基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法技术

本发明专利技术提供一种基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法，属于鲁棒多目标跟踪技术领域，解决了传统GF方法在量测异常时难以稳定估计目标状态的问题；本发明专利技术通过修改量测模型，在原有的高斯量测基础上，增加具有重尾噪声的Student

【技术实现步骤摘要】
基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法


[0001]本专利技术属于鲁棒多目标跟踪
，应用于量测异常环境下，对多目标状态进行估计的过程中，具体为一种基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法。

技术介绍

[0002]多目标跟踪问题，因其在民用和军事上的应用价值，而备受关注；该问题需要同时估计多目标状态和数量。在传统的多目标跟踪方法中，数据关联是核心思想；但是，当目标数量较多，且存在大量杂波和虚警时，关联会带来组合爆炸、计算量急剧增加等问题。
[0003]基于随机有限集(Random finite set，RFS)的多目标跟踪方法，是一种非关联的多目标跟踪方法。RFS框架下的多目标跟踪，是将目标状态和量测分别表示为随机集，通过集合积分和集合微分等运算，得到每个时刻目标数的估计和目标状态的估计，实现对目标的联合检测与跟踪。但是，由于涉及到复杂的高维积分运算，该框架在实际应用时很难直接执行，因此衍生了各类近似算法。诸如概率假设密度(Probability Hypothesis Density，PHD)滤波器，在一定程度上解决了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法，其特征在于：利用多目标跟踪过程中的多目标强度特征函数，构建伪量测模型，然后通过最小化KL散度，计算得到后验概率密度函数，更新预测结果，并修正预测结果中的权重，完成鲁棒多目标跟踪过程。2.根据权利要求1所述的基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法，其特征在于，方法包括如下步骤：S1、进行高斯分量的初始化，确定初始时刻的多目标强度函数；S2、依据上一时刻的多目标强度函数，对当前时刻的多目标强度函数进行预测；S3、依据预测过程中的预测信息和高斯分量信息，对当前时刻的多目标强度函数的预测结果进行更新，得到更新后的多目标状态与误差协方差；S4、预测结果更新后，计算其中每个高斯分量的对应权重；S5、对高斯分量进行剪枝、合并及状态提取操作，得到当前时刻的多目标强度函数结果。3.根据权利要求2所述的基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法，其特征在于：步骤S1中，初始时刻的多目标强度函数，如下式：式中，表示初始时刻的第j个高斯分量的权值；为初始目标的高斯分量。4.根据权利要求3所述的基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法，其特征在于：步骤S2中，k
‑
1时刻的多目标强度强度函数，如下式：对k时刻的高斯分量进行预测，得出k时刻的多目标强度预测函数。5.根据权利要求4所述的基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法，其特征在于：k时刻的多目标强度预测函数，如下式：式中，P
s,k
为目标存活概率；为新生目标权重；为新生目标的高斯分量；和可以计算为：可以计算为：式中，F
k
为目标转移矩阵；Q
k
为过程噪声协方差。6.根据权利要求5所述的基于高斯假设概率密度滤波器的鲁棒多目标跟踪方法，其特
征在于：步骤S3中，依据k时刻的多目标强度预测函数，更新k时刻的多目标强度函数，如下式：式中，P
d,k...

【专利技术属性】
技术研发人员：赖作镁，李涛，董鹏，崔涛，
申请(专利权)人：中国电子科技集团公司第十研究所，
类型：发明
国别省市：