基于高斯混合初始化的部分交互多模型跟踪方法及装置制造方法及图纸

本发明专利技术提供了一种基于高斯混合初始化的部分交互多模型跟踪方法及装置，每种机动模式由多个具有相同结构且允许机动参数发生微小变化的机动模型共同进行描述，该多个具有相同结构的机动模型具有一一对应的机动参数分区，每个模型的机动参数由相应机动参数分区的高斯分布进行初始化，在机动参数初始化后，具有相同结构的模型分别独立运行，不同结构的模型之间可以交互以应对可能出现的模式跳变；本方案既能够消除机动模型不匹配的问题，又能够消除机动参数的偏差；另外，采用部分模型交互而非所有模型相互作用的机制，保护了最佳初始化滤波器不受其他错误初始化滤波器的干扰，可以提升机动模式逗留段的估计精度。因此，本发明专利技术能够有效提升机动目标的跟踪精度。

【技术实现步骤摘要】

本专利技术实施例涉及机动目标跟踪，特别涉及一种基于高斯混合初始化的部分交互多模型跟踪方法及装置。

技术介绍

1、机动目标跟踪是一种基于传感器信息对机动目标状态进行估计的过程。由于机动目标的运动形式复杂多变，单模型方法往往难以满足复杂机动目标的跟踪精度需求。相较之下，多模型方法展现出较好的跟踪性能。多模型方法在同一时刻同时采用多个可能与目标真实运动模式相匹配的模型对机动目标的状态进行估计。

2、多模型方法要想取得较高的跟踪精度，需要保证模型集中存在一个模型与目标真实的运动模式相匹配，这种模型匹配要求模型类型吻合，且模型机动参数一致。但是，目前现有多模型方法无法同时有效解决模型类型的不确定性和机动参数的不确定性，从而影响机动目标的跟踪精度。

3、因此，亟需提供一种可以同时解决模型类型不确定性和机动参数不确定性的多模型机动目标跟踪方法。

技术实现思路

1、本专利技术实施例提供了一种基于高斯混合初始化的部分交互多模型跟踪方法及装置，能够同时解决模型类型不确定性和机动参数不确定性，提高机动目标的本文档来自技高网...

【技术保护点】

1.一种基于高斯混合初始化的部分交互多模型跟踪方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述构建相应运动形式的运动模型，包括：

3.根据权利要求1所述的方法，其特征在于，所述将该其他模型结构的总体状态估计和上一时刻该模型的状态估计进行混合，得到混合状态估计，包括：

4.根据权利要求3所述的方法，其特征在于，模型结构的总体状态估计是将模型结构实际输出的总体状态估计与该模型的输入维度进行维度对齐后得到的，对齐方式为：

5.根据权利要求1-4中任一所述的方法，其特征在于，所述计算每一个模型结构的条件状态估计，包括：...

【技术特征摘要】

1.一种基于高斯混合初始化的部分交互多模型跟踪方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述构建相应运动形式的运动模型，包括：

3.根据权利要求1所述的方法，其特征在于，所述将该其他模型结构的总体状态估计和上一时刻该模型的状态估计进行混合，得到混合状态估计，包括：

4.根据权利要求3所述的方法，其特征在于，模型结构的总体状态估计是将模型结构实际输出的总体状态估计与该模型的输入维度进行维度对齐后得到的，对齐方式为：

5.根据权利要求1-4中任一所述的方法，其特征在于，所述计算每一个模型结构的条件状态估计，包括：

6.根据权利要求1-4中任一所述的方法，其特征在于，所述将当前时刻每一个模型结构的条件状态估计进行融合，包括：

7.一种基于高斯混合初始化的部分交互多模型跟踪装置，其特征在于，...

【专利技术属性】
技术研发人员：周共健，朱斌，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：