一种基于航迹质量的反馈加权融合方法技术

本发明专利技术公开了一种基于航迹质量的反馈加权融合方法，将航迹质量和模糊聚类方法用于多传感器信息融合，提出了一种实时、动态的反馈加权航迹融合方法，将上一时刻融合航迹的一步预测值反馈到各局部传感器，局部传感器基于此反馈信息得到各局部航迹质量，进一步更新各局部航迹的权因子。本发明专利技术的积极效果是：利用航迹质量和模糊聚类方法确定加权因子，集成了所有传感器的测量误差和性能，不仅计算量小，易于工程实现，而且能够在融合中心实时、动态地更新权因子，有效地实现目标跟踪。与单传感器局部状态估计相比，本发明专利技术方法具有良好的跟踪精度，特别是在目标机动环境中，跟踪效果尤为突出。

【技术实现步骤摘要】

本专利技术涉及目标跟踪
，尤其涉及。
技术介绍
如何实现对目标的精确跟踪，是各个领域所关注的重要问题之一。随着信息融合技术的发展，利用多传感器实现对目标的融合跟踪，引起了研究人员们的广泛兴趣。信息融合是ー门信息综合处理技术，即充分利用多传感器或多源 数据的互补性和冗余性提高数据质量，达到对目标跟踪问题的可靠解決。由此，人们相继提出了一系列的航迹融合算法实现对目标的精确跟踪。目前已有的融合算法有简单方差凸组合算法、基于分步式滤波的航迹融合算法和加权融合等。其中，简单方差凸组合算法是最早提出的估计融合算法，该算法是在假设各局部状态估计误差统计独立的情况下实现的，计算比较简单；基于分步式滤波的航迹融合算法，结构相对复杂，计算量较大，但融合效果较好。相较于以上算法，加权融合算法，简单易实现，具有最优性、无偏性、均方误差最小等优点而被受到普遍重视。加权航迹融合算法是ー种常见的分布式航迹融合算法，加权融合算法的关键在于权因子的确定，已有的算法中大部分利用多传感器的測量方差制定权因子。而权因子又与各传感器的測量方差成反比。这说明权因子的确定与各传感器測量方差的估计有夫。然而，測量方差大多是通过传感器自身的方差參数指定或凭经验确定，没有考虑环境干扰等因素。使用这种方法确定的測量方差并不能反映实际测量的不确定性。因此，在实际应用中加权融合的效果并未达到最优。在多传感器系统中，权因子分配对融合效果的影响十分明显。若分配得当，则融合效果优异；反之，会导致系统跟踪精度和可靠性下降。因此，如何合理分配权因子，实现多传感器对同一目标观测信息的有效融合是ー个需要深入研究的课题。
技术实现思路
为了克服现有技术的上述缺点，本专利技术将航迹质量和模糊聚类方法用于多传感器信息融合，提出了一种实时、动态的反馈加权航迹融合方法，将上ー时刻融合航迹的ー步预测值反馈到各局部传感器，局部传感器基于此反馈信息得到各局部航迹质量，进ー步更新各局部航迹的权因子。本专利技术解决其技术问题所采用的技术方案是，包括如下步骤步骤一、将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器；步骤ニ、分配权因子；步骤三、交互式多模型滤波；步骤四、对航迹进行加权融合、交互式多模型滤波，得到系统航迹。步骤ニ所述的分配权因子包括如下步骤(I)利用步骤ー的结果，求取k+i时刻第i个传感器的第j个模型状态基于k时刻融合航迹的第j个模型状态ー步预测的新息及其协方差；(2)求取相应的标准化距离函数；(3)求取k+Ι时刻第i个传感器在第j个模型中的航迹质量；(4)求取k+Ι时刻第i个传感器的观测航迹质量；(5)求取k+Ι时刻第i个传感器观测航迹质量的測量度；(6)求取相应的权因子。与现有技术相比，本专利技术的积极效果是利用航迹质量和模糊聚类方法确定加权 因子，集成了所有传感器的测量误差和性能，不仅计算量小，易于工程实现，而且能够在融合中心实时、动态地更新权因子，有效地实现目标跟踪。与单传感器局部状态估计相比，本专利技术方法具有良好的跟踪精度，特别是在目标机动环境中，跟踪效果尤为突出。附图说明本专利技术将通过例子并參照附图的方式说明，其中图I是本专利技术方法的流程图；图2是权因子分配的原理图。具体实施例方式如图I所示，本专利技术方法首先将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器。基于此反馈信息，对传感器观测航迹质量进行更新，从而进一歩更新局部航迹的权因子，实现加权融合；然后通过滤波器对融合航迹进行平滑滤波，获得数据在时间上的相关性和平滑性，提高融合精度。本专利技术方法的具体步骤如下假设多传感器系统的动态方程和量测方程分别为Xj (k+1) =Fj (k)Xj (k) +wJ (k)，Z (k) =Hj (k)Xj (k) +vJ (k)，j=l, 2，…，N，式中，N为模型数目，X^k)为模型j下的状态向量，第户(k)为模型j下k时刻到k+Ι时刻的一歩状态转移矩阵，系统过程噪声W(k)为高斯白噪声序列，且E =0, Cov(m^ {k),wJ (/)) = ￡'p (k)wjI (/)] = Qj(k)Sk! ^ φ, Qj (k)为非负定矩阵，Z(k)为传感器对目标状态的观测值，tf(k)为测量矩阵，量测噪声W (k)是高斯白噪声序列，且E =0, Cov(vJ (k),vJ {1)) = E vJ (k)vjT [I) = ⑷各,其中，Ri (k)为正定矩阵。系统过程噪声和测量噪声相互独立，即满足Cov(wJ (k), vJ (I)) = O I = 1，2，…，k,...。设用M个传感器对目标进行融合跟踪。步骤一、将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器对k时刻系统航迹的第j (j=l，2，…，N)个模型状态的ー步预测，得到k+Ι时刻系统航迹的第j个模型的状态向量为勾(を+#)= ”(り為( )，其中お沖)是k时刻系统航迹的第j个模型的状态估计；从而可以得到从k到k+Ι时刻系统航迹的第j个模型的预测误差协方差为Pj (k+11 k) =Fj (k)Pj (k I k)Fj (k)T+QJ (k)，其中，Pj (k | k)分别是 k 时刻系统航迹的第j个模型的误差协方差；步骤ニ、分配权因子局部航迹质量决定了系统航迹质量，如果局部航迹质量较差，那么融合后的系统航迹质量也不会太高。如图2所示，带反馈信息的航迹融合算法中确定加权因子的基本思想是，首先在融合中心对k时刻全局状态估计值进行一步预测并将其反馈给局部传感器 ，局部传感器根据该反馈信息建立局部航迹质量，然后利用每个传感器的航迹质量确定相应的加权因子Wi, (i = I, 2，…，N),具体步骤如下设采用M个传感器、N个模型的滤波算法对目标进行融合跟踪由于观测航迹的前三个点的状态值用来初始化交互式多模型滤波器，故在k = 3吋，开始计算权因子，下面进行详细介绍。(I)利用步骤ー的结果,求取从k到k+Ι时刻融合航迹第j (j=l，2, *··,Ν)个模型状态ー步预测的新息及其协方差；由于k时刻系统航迹的第j (j = I, 2，…，N)个模型状态的一歩预测值及其协方差分别为右(た+1|た)和Pj (k+i |k), PJI)按如下公式求取从k到k+Ι时刻融合航迹第j个模型状态ー步预测的新息为VJ(k + l) = Z {k+l)-Hj(k + l)mk + l\k)Z (k+1)是 k+1 时刻传感器的观测值；2)按如下公式求取从k到k+Ι时刻融合航迹第j个模型状态ー步预测新息协方差为Sj (k+1) =Hj (k+1) Pj (k+11 k) HJ(k+l)T+R(k)；(2)求取相应的标准化距离函数dJ (k+1) =Vj (k+1) tSj (k+1) ^1Vj (k+1)(3)求取k+1时刻传感器第j个模型的航迹质量uJ (k+1) = a uJ (k) + (I- α ) dJ (k+1)这里，α为历史权因子，它的取值范围为O到I。历史权因子α对跟踪性能影响不大；重复(I)到(3)可以求出k+1 (k=4, 5，…)时刻第i (i = l，2,..，M)个传感器的第j (j = I, 2，…，N)个模型的航迹质量"/ (を+1);当k+l=4时刻,第i个传感器在第j个模型中的航迹质量为本文档来自技高网...

【技术保护点】
一种基于航迹质量的反馈加权融合方法，其特征在于：包括如下步骤：步骤一、将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器；步骤二、分配权因子；步骤三、交互式多模型滤波；步骤四、对航迹进行加权融合、交互式多模型滤波，得到系统航迹。

【技术特征摘要】

【专利技术属性】
技术研发人员：张可，王泽阳，张伟，曾庆瑾，陈龙，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：