本发明专利技术属于目标跟踪领域，主要涉及一种非线性系统基于分散式容积信息滤波的目标跟踪方法。现有的容积卡尔曼的非线性系统目标跟踪方法是在过程噪声与测量噪声不相关及各测量噪声也互不相关的假设前提下进行的。这就大大限制了它的使用范围。本发明专利技术推导了噪声相关的扩展卡尔曼信息滤波，并在时间更新与测量更新这两个过程中嵌入容积卡尔曼信息滤波，也就解决了噪声相关的问题，使得本发明专利技术的方法实用性大大增强，另外本发明专利技术是基于分散式的，利用矩阵对角化原理，很大程度上降低了矩阵的维数，避免了高维带来的维数灾难问题。
【技术实现步骤摘要】
本专利技术属于目标跟踪领域，主要涉及一种。
技术介绍
多传感器目标跟踪是一门多学科交叉技术。近年来，随着传感器技术、计算机技术、通信技术和信息处理技术的发展，特别是军事上的迫切需求，多传感器目标跟踪技术的研究内容日益深入和广泛。军事上主要应用于指挥、控制、通信和情报系统，同时在机器人、民航航管等领域也有重要应用价值。目前对目标跟踪有了很多比较好的算法，如卡尔曼滤波算法(KF)，无迹卡尔曼滤波算法(UKF)，求容积卡尔曼滤波算法(CKF)等，然而众所周知，当所有传感器测量值到达融合中心进行集中处理时这些算法具有很高的计算复杂度。所以，信息滤波器被提了出来并且得到了广泛的应用由于在计算方面有比卡尔曼滤波算法更优越的性能并且容易初始化。实际上，信息滤波算法本质上是用协方差阵的逆表示的卡尔曼滤波算法。目前关于非线性滤波的目标跟踪算法最新进展是容积信息滤波算法(SCIF)，但由于此算法的前提是任何噪声之间是不相关的，所以大大限制了它的应用范围。在实际当中往往由于天气，跟踪同一个目标，同样的环境，多传感器的异步采样等原因，不仅过程噪声与观测噪声之间相关(相关噪声I)，各传感器观测噪声之间也可能相关(相关噪声II)。本专利技术给出了噪声I与噪声II同时 存在下的基于分散式容积卡尔曼信息滤波的目标跟踪方法(DSCIF-CN)。
技术实现思路
为了解决噪声相关的情况，本专利技术提出了非线性系统基于分散式容积卡尔曼信息滤波的目标跟踪方。为了方便描述本专利技术的内容，首先本专利技术针对多传感器目标系统建立模型，包括2个方程，状态方程和观测方程，分别如下所示xk = fH (Xh)+wk, η (I)Zik=Kij k (xk) +Vijk (2)其中，k是时间指标及i (i = 1，2，. . .，N)表示第i个传感器；xk e Rnxi是系统状态向量z k 表示第i个观测向量；fk_1:RnX1 — RnxVwZT1^rxl均为已知的非线性方程；过程噪声wk, η和观测噪声都为零均值的高斯白噪声，它们的方差分别为Qk, η和Ri,k 且满足尺{U·’} = Qks^1,E[Vikvl,} = RljsSkl^E{w1-,k~ivL} = 其中 Rij，k 为第 i个传感器观测噪声与第j个传感器观测噪声的协方差矩阵，Diik为过程噪声与第i个传感器观测噪声的互协方差矩阵，Stl为脉冲函数，即k=l时，Skl=l，k# I时，δ ^1=O0初始状态为XtI及协方差矩阵Pcilci满足￡{χ0} = λ00 E|[x0 -1-0,0][xo --Vj} = Ρο|ο(3)运用集中式扩维，将N个观测方程融合成一个观测方程，也就是本文档来自技高网...
【技术保护点】
非线性系统基于分散式容积信息滤波的目标跟踪方法，其特征在于：针对多传感器目标系统建立模型，包括2个方程，状态方程和观测方程，分别如下所示：?????????????????????????????(1)?????????????????????????????(2)其中，k是时间指标，表示第个传感器，；是系统状态向量，表示第个观测向量；，均为已知的非线性方程；过程噪声和观测噪声都为零均值的高斯白噪声，它们的方差分别为和且满足其中为第个传感器观测噪声与第个传感器观测噪声的协方差矩阵，为过程噪声与第个传感器观测噪声的互协方差矩阵，为脉冲函数，即时，，时，；初始状态为及协方差矩阵满足：?????????????(3)运用集中式扩维，将N个观测方程融合成一个观测方程，也就是：???????????????????????????(4)其中，???????????????????(5)??????????(6)??????????????(7)???????????由此可以得到：?????????????????(8)??????(9)针对式(1)(4)所描述的多传感器系统模型，给出如下迭代算法，具体包括2个模块：时间更新和测量更新；（1）.时间更新步骤1.1分别计算k?1时刻第i个容积点,k?1时刻第i个传播容积点和k?1时刻一步状态预测；首先，假设k?1时刻的状态估计和它的协方差矩阵已知.分解有：???????????????????????????(10)其中称为k?1时刻开方值；其次，从(11)式计算传播容积点，??????????????????????????(11)其中，????????????????????????(12)并且；这里,是点集合的第i个列向量；?????????????????最后，计算k?1时刻状态的一步预测：???????????????????????????????(13)步骤1.2?根据下式计算k?1时刻一步开方；?????????????????????(14)这里表示QR分解，将分解得到的上三角矩阵的转置赋给，是的开方根，即：，并且????????(15)步骤1.3?使用下面的式子得到k?1时刻一步信息矩阵；令????????(16)然后利用即可得到一步信息矩阵；步骤1.4?使用式（17）式计算k?1时刻一步预测信息状态向量；??????????????????(17)（2）.测量更新步骤2.1?分别计算k?1时刻第i个一步容积点,k?1时刻第i个一步传播容积点和k?1时刻观测一步预测；首先，计算k?1时刻一步容积点，如下式所示：?????????????????????(18)?????进而可利用下式计算k?1时刻一步传播容积点，???????????????????????????(19)然后，利用式(20)计算k?1时刻观测一步预测,??????????????????????(20)?????步骤2.2?利用下式计算k?1时刻互协方差矩阵；?????首先，根据下式计算k?1时刻开方新息协方差矩阵??????????????????(21)???????????其中，表示的开方；?????然后，计算k?1时刻互协方差矩阵???????????????????????????(22)步骤2.3?下面计算k时刻相关信息矩阵和信息状态增益；?????由于及，可以得到是一个的对称矩阵，继而也是一个对称矩阵，且；由实对称矩阵的性质知：存在正交矩阵和对角矩阵使得；所以，其中，是的第个特征值，；记，且有：，根据噪声相关的扩展卡尔曼信息滤波器算法：???????????(23)得到信息矩阵是由一些式子的线性组合组成：??????????????????(24)其中，信息状态增量的分散式为：?????????????(25)其中，步骤2.4?利用下式计算k时刻信息矩阵和更新的信息状态向量；??????????????????????????????(26)?????????????(27)步骤2.5?用下式获得k时刻状态估计和相应协方差矩阵；????????????????????????(28)不断重复上面2个模块的内容，就可实现对目标状态的跟踪估计。2012104557443100001dest_path_image002.jpg,dest_path_image004.jpg,dest_path_image006.jpg,881274dest_path_image006.jpg,dest_path_im...
【技术特征摘要】
1.非线性系统基于分散式容积信息滤波的目标跟踪方法，其特征在于 针对...
【专利技术属性】
技术研发人员：葛泉波，许大星，文成林，骆光州，
申请(专利权)人：杭州电子科技大学，
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。