一种利用多策略融合人工蜂群改进UKF算法的目标跟踪方法技术

本发明专利技术涉及一种利用多策略融合人工蜂群改进UKF算法的目标跟踪方法，其实现方案为：通过多种策略对人工蜂群算法的初始种群、雇佣蜂位置更新和侦察蜂位置更新三个方面进行改进，并引入优化后的人工蜂群算法对UKF算法中的固定过程噪声协方差进行寻优，将最优值作为新的过程噪声协方差，实现对目标运动的准确预测和跟踪。本发明专利技术提出的多策略融合人工蜂群改进的UKF算法适用于复杂场景的目标跟踪任务，改善了滤波性能，有效提高了跟踪精度。有效提高了跟踪精度。有效提高了跟踪精度。

【技术实现步骤摘要】
一种利用多策略融合人工蜂群改进UKF算法的目标跟踪方法


[0001]本专利技术涉及目标跟踪
，具体涉及一种利用多策略融合人工蜂群改进UKF算法的目标跟踪方法。

技术介绍

[0002]目标跟踪问题的核心是对目标状态参数进行尽可能准确估计。因此无论采用单个观测平台还是多个观测平台，在仅有方位信息的条件下对目标进行定位和跟踪时，为获得稳定且精确的目标状态信息，均需要考虑使用合适的目标跟踪滤波算法，对不同的滤波方法的研究和改进是目标跟踪领域的关键问题。
[0003]常用的滤波算法是卡尔曼滤波算法，但卡尔曼滤波算法仅适用于线性系统，对于线性系统来说，其在保证精度的境况下，收敛速度和稳定性方面都有着不错的表现，但对于非线性系统，此滤波方法适用性较差。因此，为处理非线性问题，出现了扩展卡尔曼和无迹卡尔曼等其他滤波算法，其中，无迹卡尔曼滤波(UKF)算法是一种非线性状态估计算法，通过选择一组代表性Sigma点来近似状态的高斯分布，实现对非线性系统的准确估计。UKF算法在目标跟踪中具有较好的性能，但由于过程噪声协方差为固定值，从而存在噪声不准确情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用多策略融合人工蜂群改进UKF算法的目标跟踪方法，其特征在于，包括以下步骤：多策略融合改进人工蜂群算法：利用Circle混沌映射策略改进人工蜂群算法的种群初始化；采用偏好随机游动策略优化人工蜂群算法中雇佣蜂和观察蜂的搜索蜜源方式；采用动态扰动因子优化人工蜂群算法中侦察蜂的搜索蜜源方式；利用改进后的人工蜂群算法对UKF算法中的过程噪声协方差进行寻优，基于获得的最优过程噪声协方差进行UKF算法的测量更新，实现目标跟踪。2.根据权利要求1所述的一种利用多策略融合人工蜂群改进UKF算法的目标跟踪方法，其特征在于，利用Circle混沌映射策略改进人工蜂群算法的种群初始化的实现步骤为：x
m,i
＝l
i
+Circle(dim)
·
(u
i
‑
l
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(1)式中，x
m,i
表示m解的第i维的值，u
i
表示解空间上界，l
i
表示解空间的下界，dim表示维度，Circle表示混沌映射，表达式为：3.根据权利要求2所述的一种利用多策略融合人工蜂群改进UKF算法的目标跟踪方法，其特征在于，采用偏好随机游动策略优化雇佣蜂和观察蜂的搜索蜜源方式，优化后雇佣蜂和观察蜂蜜源的位置更新表达式为：式中，x
n,j
为随机选择的第j维的第...

【专利技术属性】
技术研发人员：刘建娟，李志伟，吴豪然，王卓，李海博，李浩，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：