本发明专利技术涉及一种基于变分贝叶斯容积强跟踪信息滤波的目标跟踪方法。本发明专利技术包括计算和更新VB方法中的参数；设置VB方法中的循环控制变量的初值为零，并给出迭代次数的值；使用VB方法估计量测噪声的未知方差；估计一步预测目标状态；迭代计算伪观测矩阵、新息矩阵、信息矩阵及信息状态向量。本发明专利技术使用变分贝叶斯方法的自适应强跟踪信息滤波方法不仅具有强跟踪能力，还能估计量测噪声的未知方差，实现了自适应功能。同时，衰减系数可以通过迭代的方法估计出来，而无需计算雅可比矩阵。
【技术实现步骤摘要】
一种基于变分贝叶斯容积强跟踪信息滤波的目标跟踪方法
本专利技术属于非线性系统的目标跟踪领域，特别涉及一种基于容积强跟踪信息滤波器的自适应滤波方法。
技术介绍
非线性滤波是信号处理、目标跟踪和控制领域方面的热门话题之一，特别是，在卡尔曼滤波框架下的非线性滤波研究仍然是一个很火的问题，在近年来受到了越来越多的关注和研究。卡尔曼滤波器（KF）最初是由R.EKalman处理线性动态系统的状态估计时提出来的。随后，相继提出了扩展的卡尔曼滤波器（EKF），把KF的的应用延伸到非线性系统。因为使用泰勒展开公式将原系统线性化，EKF的性能并不理想，尤其是，雅可比矩阵的计算严重限制了EKF的应用。无味滤波（UKF）通过无味转换，虽然能明显改善EKF的性能，但是，在维数灾难的情况下，UKF的使用仍然有限制。此后，容积卡尔曼滤波器和相应平方根容积卡尔曼滤波器（SCKF）相继被提出来解决这个问题。很快，容积信息滤波器（CIF）和平方根容积新息滤波器（SRCIF）也相继给出。这些非线性滤波器一般都要求已知的、精确的系统参数，并且没有状态的突变等等。一旦这些情况出现了，当前的非线性滤波器就不能很好的工作。另外，当增益矩阵趋于连续时，一旦出现状态突变，这些卡尔曼滤波器就会丢失自适应功能。在EKF的基础上，强跟踪滤波（STF）理论就被建立起来用以诊断过程系统中的错误，并且获得了广泛的应用，通过计算衰减系数它可以自动调节预测误差协方差，就获得了所谓的强跟踪功能，随后，STF用来让SCKF具有强跟踪能力。但是仍然有一个问题，就是在估计衰减系数的时候，量测方程的雅可比矩阵需要计算出来。这很复杂，很容易导致计算问题。在未知量测噪声方差的情况下，变分贝叶斯（VB）方法在线性系统中可以估计未知量测噪声方差。但是，VB方法在非线性系统中的应用还是很少的。
技术实现思路
为了应对上面提到的未知量测噪声方差的情况，在本专利技术中，将变分贝叶斯（VB）方法应用到容积强跟踪信息滤波器（CSTIF）中，提出了一种新的非线性滤波器，即变分贝叶斯自适应容积强跟踪信息滤波器（VB-ACSTIF）。这种非线性滤波器不仅具有强跟踪能力，还能估计量测噪声的未知方差。本专利技术是CSTIF改进形式，包括计算和更新VB方法中的参数；设置VB方法中的循环控制变量的初值为零，并给出迭代次数的值；使用VB方法估计量测噪声的未知方差（下标表示时间，上标指VB方法中在当前值迭代后产生的结果）；令未知的量测噪声方差等于；估计一步预测目标状态（下标表示用时刻的目标信息估计第时刻的目标信息）；迭代计算伪观测矩阵、新息矩阵、信息矩阵及信息状态向量；计算VB方法中第次迭代后目标状态最优线性估计（上标表示VB方法中第次迭代，下标表示该值即为第时刻的最优估计值）及其误差协方差；判断VB方法中的循环控制条件，条件成立则修改循环控制变量的值并开始下一循环过程，否则跳转下一步；计算系统最终的目标状态最优线性估计及其误差协方差。具体内容如下：步骤1首先计算和更新VB方法中的参数值。步骤2设置VB方法中的循环控制变量的初值为零，给出迭代次数的值。步骤3使用VB方法估计量测噪声的未知方差。步骤4判断成立则令未知的量测噪声方差等于，否则跳到步骤7。步骤5计算一步预测目标状态。步骤6迭代计算伪观测矩阵、新息矩阵、信息矩阵及信息状态向量。步骤7计算VB方法中第次迭代后目标状态最优线性估计和。步骤8判断成立，则计算VB方法的参数，令，并且跳到步骤3，否则步骤9。步骤9计算最终目标状态的最优线性估计及其误差协方差。本专利技术有益效果：使用变分贝叶斯方法的自适应强跟踪信息滤波方法不仅具有强跟踪能力，还能估计量测噪声的的未知方差，实现了自适应功能。同时，衰减系数可以通过迭代的方法估计出来，而无需计算雅可比矩阵。附图说明图1为VB-ACSTIF的流程图。具体实施方式以下结合图1对本专利技术作出进一步说明。下面首先为跟踪目标的运动状态建立模型，其次给出容积强跟踪信息滤波器的滤波公式，最后基于目标模型和容积强跟踪信息滤波器的滤波公式，详细介绍本专利技术的实施过程。1系统建模1.1给出如下非线性系统动态模型其中是时间指数，表示系统状态（为维列向量全集），是测量值列向量，以及都是可微函数，和都是均值为零的高斯白噪声，其中：其中为求均值运算，是已知的，是未知的，分别为和的方差。初始状态为，其均值和方差分别为和，并且和无关。1.2给出容积信息滤波器容积信息滤波器的滤波公式如下：时间更新1）计算信息矩阵和信息状态向量（1）在这，如果让（上标指时刻）是观测值（）的集合，就有（2）（3）（4）其中，是点集的第列。量测更新2）计算容积点和传播的容积点（5）3）估计测量预测（6）4）计算状态和测量值的交叉协方差（下标表示用用时刻的目标信息估计第时刻的状态和观测值的交叉协方差）；（7）5）评估信息状态贡献矩阵和它的相关信息矩阵（8）其中，和分别是伪测量矩阵和新息矩阵，并且有（9）6）计算估计信息矩阵和信息状态向量（10）7）计算状态最优线性估计和它的误差协方差矩阵（11）2给出容积强跟踪信息滤波器对于容积信息滤波器，附加衰减因子修正后的状态预测误差协方差是，（12）衰减因子（，为循环控制变量，表示第次循环后的结果，为迭代次数）的迭代公式如下，（13）其中，是求矩阵的迹运算，且有（14）（15）其中，，并且。和分别是新息矩阵和伪测量矩阵，并且在第次迭代中引入。容积强跟踪信息滤波器的滤波步骤如下，A用公式（4）和（3）估计一步预测目标状态；B设置循环控制变量的初值，同时令，并且给出迭代次数的值，迭代循环开始；C如果，且，则和可以直接使用等式（1）-（7）和（9）计算获得，并且跳到J）;D使用等式（13）-（15）估计衰减因子；E计算状态预测误差协方差；（16）F估计信息矩阵及信息状态向量（17）G计算测量值预测和新息（18）其中（19）H计算状态和测量值的交叉协方差（20）I计算伪观测矩阵（21）J如果，让；然后跳到D）,否则K）；K让；L根据等式（8），（10），（11）计算目标状态最优线性估计及其误差协方差。3基于目标模型和容积强跟踪信息滤波器详述VB-ACSTIF的滤波公式3.1给出变分贝叶斯方法在本专利技术中，引入变分贝叶斯方法来估计未知量测噪声方差，用以实现自适应功能，这时，未知方差迭代估计过程如下1）计算VB方法中的整体参数预测值（22）其中‘.’指的是MATLAB中的点运算，并且（23）2）参数更新：；3）设置循环控制变量的初值，给出迭代次数的值，迭代过程开始；4）估计方差，（24）5）使用得到的，估计目标状态及它的误差协方差；6）如果，那么（25）之后，让，然后跳到步骤4），否则。3.2使用变分贝叶斯方法的容积强跟踪信息滤波器本专利技术仅仅把方差，即方差的第一次迭代结果赋予的迭代估计过程，这样不仅强跟踪功能能够正常工作，而且滤波器的结构能够尽可能的简洁。VB-ACSTIF的步骤如下（参见图1），步骤1首先计算VB方法中的整体参数预测值，更新，并令；步骤2设置VB方法中的循环控制变量的初值为零，给出迭代次数的值；步骤3使用公式（24）估计量测噪声的未知方差；步骤4判断成立则令未知的量测噪声方差等于，否则跳到步骤7；步骤5使用公式（4）和（3）计算一步预测目标本文档来自技高网...
【技术保护点】
一种基于变分贝叶斯容积强跟踪信息滤波的目标跟踪方法，其特征在于该方法包括以下步骤：步骤?1.计算和更新VB方法中的参数值；步骤?2.设置VB方法中的循环控制变量?的初值为零，给出迭代次数的值；步骤?3.使用VB方法估计量测噪声的未知方差，其中表示时间，指VB方法中在当前值迭代后产生的结果；步骤?4.判断值是否为0，如果值为0，则令未知的量测噪声方差等于，否则跳到步骤7；步骤?5.计算一步预测目标状态；步骤?6?.迭代计算伪观测矩阵、新息矩阵、信息矩阵及信息状态向量；步骤?7.计算VB方法中第?次迭代后目标状态最优线性估计和，表示误差协方差；步骤?8?.判断是否小于，如果小于，则计算VB方法的参数，令自加1，并且跳到步骤3?，否则步骤?9；步骤?9?.计算最终目标状态的最优线性估计及其误差协方差。2013101491843100001dest_path_image002.jpg,2013101491843100001dest_path_image004.jpg,2013101491843100001dest_path_image006.jpg,2013101491843100001dest_path_image008.jpg,615214dest_path_image002.jpg,936474dest_path_image002.jpg,2388dest_path_image002.jpg,801717dest_path_image002.jpg,2013101491843100001dest_path_image010.jpg,2013101491843100001dest_path_image012.jpg,2013101491843100001dest_path_image014.jpg,2013101491843100001dest_path_image016.jpg,2013101491843100001dest_path_image018.jpg,2013101491843100001dest_path_image020.jpg,2013101491843100001dest_path_image022.jpg,2013101491843100001dest_path_image024.jpg,2013101491843100001dest_path_image026.jpg,2013101491843100001dest_path_image028.jpg,2013101491843100001dest_path_image030.jpg,657194dest_path_image002.jpg,149355dest_path_image004.jpg,125402dest_path_image002.jpg,980618dest_path_image004.jpg,2013101491843100001dest_path_image032.jpg,499456dest_path_image002.jpg,2013101491843100001dest_path_image034.jpg,2013101491843100001dest_path_image036.jpg...
【技术特征摘要】
1.一种基于变分贝叶斯容积强跟踪信息滤波的目标跟踪方法，其特征在于该方法包括以下步骤：步骤1.计算和更新VB方法中的参数值；αk|k-1＝ρk·αk-1,βk|k-1＝ρk·βk-1其中‘.’指的是MATLAB中的点运算，并且αk＝[α1,k…αp,k]T,βk＝[β1,k…βp,k]T,ρk＝[ρ1,k…ρp,k]T参数更新：αk＝1/2+αk|k-1,其中αk|k-1,βk|k-1为预测分布参数向量；α1,k，αp,k，β1,k，βp,k，ρ1,k，ρp,k为组成预测分布参数向量αk，βk，ρk的各个元素；步骤2.设置VB方法中的循环控制变量m的初值为零，给出迭代次数N2的值；步骤3使用公式(24)估计量测噪声的未知方差其中k表示时间，m指VB方法中m在当前值迭代后产生的结果；表示第m次迭代后分布参数的βk值，表示对应的根方值，i＝1,2…p；步骤4.判断m值是否为0，如果m值为0，则令量测噪声的未知...
【专利技术属性】
技术研发人员：葛泉波，姚树鹤，文成林，管冰蕾，
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。