【技术实现步骤摘要】
本申请涉及目标跟踪，特别是涉及一种基于独立同分布与多伯努利分布的多目标跟踪方法和装置。
技术介绍
1、随着目标跟踪场景越发复杂，对目标跟踪技术的要求也在不断提升，传感器经常需要对大量密集分布的多个目标进行跟踪，这就导致数据关联复杂，计算量增大，目标丢失率增高，目标数和目标状态的估计不稳定等情况，对传感器的数据处理能力提出了很大挑战。
2、基于随机有限集（random finite set，rfs）理论的滤波器为处理多目标跟踪难题提供了有效工具。其中基于独立同分布的rfs滤波器在滤波过程中不需要显式的数据关联过程，计算效率高，但是存在漏检目标phd（概率假设密度）的分配不正确，目标状态估计困难，不具有航迹维持能力等缺陷；基于多伯努利分布的rfs滤波器目标状态估计准确，航迹管理方便，但是往往要考虑数据关联难题，因此计算复杂度高，很难在工程实践中获得应用。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够利用独立同分布与多伯努利分布之间的互补优势的基于独立同分布与多伯努利分布的多目标跟踪方法和装置。
2、一种基于独立同分布与多伯努利分布的多目标跟踪方法，所述方法包括：
3、步骤1，根据目标的初始存在概率和初始概率密度对目标的多伯努利密度和势分布进行初始化；
4、步骤2，获取目标前一时刻的多伯努利密度和势分布，根据前一时刻的多伯努利密度和势分布对当前时刻的目标状态进行预测，得到预测多伯努利密度和预测势分布；
5、步骤
6、步骤4，基于独立同分布假设，计算量测集合与目标之间的关联权重和关联边缘概率，根据关联权重和关联边缘概率对预测多伯努利密度进行更新，得到更新多伯努利密度；其中，更新多伯努利密度包括漏检目标的多伯努利密度和量测更新目标的多伯努利密度；
7、步骤5，根据更新势分布获取当前时刻的目标数估计，根据更新多伯努利密度获取各目标当前时刻的存在概率，通过根据当前时刻的存在概率对当前时刻的目标及对应的高斯分量进行修订，得到修正后的目标及对应的高斯分量，根据修正后的目标及对应的高斯分量获取当前时刻的目标状态估计；
8、步骤6，重复执行步骤2~5，直到目标不再需要跟踪为止。
9、在其中一个实施例中，根据目标的初始存在概率和初始概率密度对目标的多伯努利密度和势分布进行初始化，包括：
10、获取目标的初始存在概率和初始概率密度，根据和对目标的多伯努利密度进行初始化，得到初始多伯努利密度为；其中，表示个目标的集合，表示初始目标总数；
11、根据和对目标的势分布进行初始化，得到初始势分布，表示为；其中，表示的次初等对称函数。
12、在其中一个实施例中，获取目标前一时刻的多伯努利密度和势分布，根据前一时刻的多伯努利密度和势分布对当前时刻的目标状态进行预测，得到预测多伯努利密度和预测势分布，包括：
13、获取目标在时刻的多伯努利密度为，根据对目标在时刻的多伯努利密度进行预测，得到预测多伯努利密度，表示为
14、；
15、其中，表示存活目标的多伯努利密度，表示新生目标的多伯努利密度，表示时刻的预测多伯努利密度，表示目标在时刻的存在概率，表示目标在时刻的概率密度，表示目标存活概率，表示目标的预测存在概率，表示目标的预测概率密度，表示时刻的目标存活总数，表示新生目标的存在概率，表示新生目标的概率密度，表示新生目标总数，表示时刻的预测目标总数；
16、获取目标在时刻的势分布为，根据对目标在时刻的势分布进行预测，得到预测势分布表示为
17、；
18、其中，表示新生目标的势分布，和表示两个设定整数，表示组合数，。
19、在其中一个实施例中，根据传感器获取当前时刻的量测集合，根据量测集合对预测势分布进行更新，得到更新势分布，包括：
20、根据传感器获取时刻的量测集合，其中，是量测在时刻的量测状态，是时刻的量测数量，根据量测集合对预测势分布进行更新，得到更新势分布，表示为
21、；
22、其中，符号表示内积计算符。
23、在其中一个实施例中，基于独立同分布假设，计算量测集合与目标之间的关联权重和关联边缘概率，根据关联权重和关联边缘概率对预测多伯努利密度进行更新，得到更新多伯努利密度，表示为
24、；
25、其中，表示漏检目标的多伯努利密度，表示量测更新目标的多伯努利密度，表示时刻的更新多伯努利密度，表示目标在时刻的存在概率，表示目标在时刻的概率密度，表示时刻的更新目标总数，表示漏检目标的存在概率，表示漏检目标的概率密度，表示量测更新目标的存在概率，表示时刻量测与目标之间的关联权重，表示量测更新目标的概率密度，表示为
26、；
27、；
28、其中，表示在时刻量测更新的目标的第个的高斯分量，表示的权重，表示的均值，表示的协方差，表示时刻目标的预测高斯分量数，表示时刻量测与目标之间的关联边缘概率。
29、在其中一个实施例中，漏检目标的存在概率的计算步骤包括：
30、根据时刻量测与目标之间的关联权重计算目标的更新权重为；
31、设置更新权重阈值，当时，获取漏检目标的期望值，根据计算漏检目标的存在概率表示为；当时，令。
32、在其中一个实施例中，根据更新势分布获取当前时刻的目标数估计，包括：
33、将更新势分布取最大值时的整数作为时刻的目标数估计，表示为
34、。
35、在其中一个实施例中，根据更新多伯努利密度获取各目标当前时刻的存在概率，通过根据当前时刻的存在概率对当前时刻的目标及对应的高斯分量进行修订，得到修正后的目标及对应的高斯分量，包括：
36、根据更新多伯努利密度获取目标在时刻的存在概率为，将时刻各目标的存在概率按照从大到小的顺序排序，选取个目标；其中，表示 k时刻的目标数估计；
37、设置目标剔除阈值为，若，将目标的所有高斯分量剔除；
38、设置高斯分量剔除阈值为，若，将目标的第个高斯分量剔除；
39、设置合并距离阈值为，若在时刻同一个目标的两个高斯分量之间的距离小于，将该两个高斯分量合并。
40、在其中一个实施例中，根据修正后的目标及对应的高斯分量获取当前时刻的目标状态估计，包括：
41、将修订后的个目标的高斯分量中权重最大的高斯分量的均值作为时刻的目标状态估计，表示为
42、。
43、一种基于独立同分布与多伯努利分布的多目标跟踪装置，包括存储器和处理器，所述存储器存储有基于独立同分布与多伯努利分布的多目标跟踪程序，所述处理器在运行所述基于独立同分布与多伯努利分布的多目标跟踪程序时执行所述本文档来自技高网...
【技术保护点】
1.一种基于独立同分布与多伯努利分布的多目标跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据目标的初始存在概率和初始概率密度对目标的多伯努利密度和势分布进行初始化，包括：
3.根据权利要求2所述的方法，其特征在于，获取目标前一时刻的多伯努利密度和势分布，根据前一时刻的多伯努利密度和势分布对当前时刻的目标状态进行预测，得到预测多伯努利密度和预测势分布，包括：
4.根据权利要求3所述的方法，其特征在于，根据传感器获取当前时刻的量测集合，根据所述量测集合对所述预测势分布进行更新，得到更新势分布，包括：
5.根据权利要求4所述的方法，其特征在于，基于独立同分布假设，计算所述量测集合与目标之间的关联权重和关联边缘概率，根据所述关联权重和关联边缘概率对所述预测多伯努利密度进行更新，得到更新多伯努利密度，表示为
6.根据权利要求5所述的方法，其特征在于，漏检目标的存在概率的计算步骤包括：
7.根据权利要求1所述的方法，其特征在于，根据所述更新势分布获取当前时刻的目标数估计，包括：
...【技术特征摘要】
1.一种基于独立同分布与多伯努利分布的多目标跟踪方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，根据目标的初始存在概率和初始概率密度对目标的多伯努利密度和势分布进行初始化，包括：
3.根据权利要求2所述的方法，其特征在于，获取目标前一时刻的多伯努利密度和势分布，根据前一时刻的多伯努利密度和势分布对当前时刻的目标状态进行预测，得到预测多伯努利密度和预测势分布，包括：
4.根据权利要求3所述的方法，其特征在于，根据传感器获取当前时刻的量测集合，根据所述量测集合对所述预测势分布进行更新，得到更新势分布，包括：
5.根据权利要求4所述的方法，其特征在于，基于独立同分布假设，计算所述量测集合与目标之间的关联权重和关联边缘概率，根据所述关联权重和关联边缘概率对所述预测多伯努利密度进行更新，得到更新多伯努利密度，表示为
【专利技术属性】
技术研发人员：卢哲俊，杨威，王志伟，夏靖远，张双辉，刘永祥，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。