基于自适应新生目标强度的滤波算法
【专利摘要】本发明公开了一种基于自适应新生目标强度的概率假设密度滤波算法，包括以下步骤：航迹起始以及航迹确认操作；根据确认航迹的起始位置信息构造新生目标随机集的强度函数；合并当前帧构建的新生目标强度函数与前一时刻已知的新生目标强度函数产生该当前帧自适应新生目标强度函数；使用自适应新生目标强度函数启动PHD滤波器，从而完成PHD滤波器的预测以及更新；多目标状态抽取。本发明提出一种具有自适应新生目标强度的贝叶斯多目标跟踪方法，完全不需要先验信息，仅根据量测信息来构造新生目标强度函数。解决了原PHD滤波器缺少新生目标跟踪功能的问题。该算法具有能够很好地跟踪位置未知的新生目标，从而提高了PHD滤波器的应用范围和鲁棒性等优点。
【专利说明】基于自适应新生目标强度的滤波算法
【技术领域】
[0001] 本发明设及的是一种目标跟踪领域的算法，具体是基于自适应新生目标强度的概 率假设密度滤波算法。 技术背景
[0002] 多目标跟踪问题在军事和民用方面都有着十分广泛的应用，如在军事方面的空中 预警、空中攻击（多目标攻击）等，民用方面包括空中交通管制等多目标跟踪。在军事上的 应用受到了各国广泛重视。多目标跟踪（MTT)的目的是从包含有杂波的量测集合中估计出 多目标的数目和状态。传统多目标跟踪算法建立在数据关联值ata Association)技术的 基础之上，旨在把多目标跟踪问题解禪为多个单目标的跟踪问题。然而，数据关联技术的求 解算法存在组合爆炸，因而限制了该类算法的实际应用。近年来，基于随机有限集的多目标 跟踪方法取得了巨大突破，并得到了广泛的关注。
[0003] 基于随机有限集的跟踪算法把多目标跟踪问题描述为多目标贝叶斯滤波，该多目 标贝叶斯滤波器通过预测与修正两个步骤传播多目标状态的后验概率分布。其中，多目标 后验分布函数是根据有限集统计学（FISST)建立起来的。由于该种多目标后验分布函数 包含多目标状态的无穷维而难W计算。为此，Mahler提出了概率假设密度（Prob油ility Hypothesis Density, P皿）滤波器，该滤波器仅传播多目标后验分布函数的一阶矩，即P皿。 P皿滤波器避免了传统多目标跟踪算法中的数据关联技术，而且易于处理密集杂波，但是存 在P皿滤波器目标数估计不准确的问题。为了解决该个问题，Mahler又提出了基数概率假 设密度（Cardinalized Prob油ility Hypothesis Density, CP皿）滤波器。CP皿通过同时 传播状态随机集的强度函数和基数分布得到准确的目标数估计。P皿滤波器虽然能够处理 多目标的新生、解化和死亡问题，但仍存在一个缺点，即标准P皿滤波器假定新生目标的强 度函数为已知条件。然而，新生目标的检测或航迹的起始是现代MIT系统必要和重要的组 成部分。因此，该假设制约了 P皿滤波器的广泛应用。
[0004] 近年来，B. RISTIC等人提出一种基于粒子P皿滤波器的自适应新生目标强度方 法。该方法由各帖量测设计新生目标强度函数，把量测空间分为量测可测子空间P与量测 不可测子空间V，对于P由似然函数构造新生目标强度，但对于V仍然需要已知先验信息，没 有根本解决新生目标强度函数的构造问题。MichaelBeard等人提出新生目标强度分布为均 匀分布时的高斯混合P皿滤波器，但仍然假设新生目标强度分布为已知的。欧阳诚等人针 对文献，提出一种归一化因子修正方法，用W改进原算法的航迹归一化失衡问题，但该方法 仍需已知部分先验信息，而且该方法在滤波后仍然包含大量杂波，弱化了 P皿滤波器去除 杂波的主要优点。
【发明内容】
[0005] 本发明针对现有技术中存在的上述不足，提出一种基于自适应新生目标强度的概 率假设密度滤波算法。该算法完全不需要先验信息，仅根据量测信息来构造新生目标强度 函数。本方法可W用于p皿滤波器的位置未知的新生目标跟踪问题，并且也适用于CP皿滤 波器。该算法具有能够很好地跟踪位置未知的新生目标，从而提高了 P皿滤波器的应用范 围和鲁椿性等优点。
[0006] 本发明是通过W下技术方案实现的，本发明包括W下步骤：
[0007] 第一步，将每一时刻接收到的任意量测作为新的目标假设（航迹头），并W此进行 航迹起始，并通过自适应新生目标强度生成算法进行航迹确认。
[000引所述的自适应新生目标强度生成算法，具体是，采用多假设跟踪中延迟决策的思 想进行逻辑起始，即在初始航迹一步外推时不立刻进行关联量测，而是延迟一步决策，在连 续两步外推后，再根据统计方法选取最优的外推航迹及其关联的量测。
[0009] 第二步，目标航迹的起始和确认，如果存在新生目标（确认的航迹），则进行步骤 3,否则进行步骤4.
[0010] 第=步，如果存在确认的航迹（即新目标航迹），则根据确认航迹的起始位置信息 构造新生目标随机集的强度函数，合并当前帖构建的新生目标强度函数与前一时刻已知的 新生目标强度函数产生当前帖自适应新生目标强度函数。
[0011] 所述的新生目标随机集的强度函数采用高斯混合形式，具体是：
[0012]
【权利要求】
1. 一种基于自适应新生目标强度的概率假设密度滤波算法，其特征在于，包括以下步 骤： 第一步，将每一时刻接收到的任意量测作为新的目标假设（航迹头），并以此进行航迹 起始，并通过自适应新生目标强度生成算法进行航迹确认操作； 第二步，目标航迹的起始和确认，如果存在新生目标（确认的航迹），则进行步骤3,否 则进行步骤4 ; 第三步，如果存在确认的航迹（即新目标航迹），则根据确认航迹的起始位置信息构造 新生目标随机集的强度函数，合并当前帧构建的新生目标强度函数与前一时刻已知的新生 目标强度函数产生该当前帧自适应新生目标强度函数； 第四步，使用自适应新生目标强度函数启动PHD滤波器，从而完成PHD滤波器的预测以 及更新； 第五步，对步骤4中更新后的高斯元进行修剪操作，并提取权值较大的高斯元的期望 值作为状态估计。
2. 根据权利要求1所述的基于自适应新生目标强度的概率假设密度滤波算法，其特征 是，所述的自适应新生目标强度生成算法，具体是，采用多假设跟踪中延迟决策的思想进行 逻辑起始，即在初始航迹一步外推时不立刻进行关联量测，而是延迟一步决策，在连续两步 外推后，再根据统计方法选取最优的外推航迹及其关联的量测。
3. 根据权利要求1所述的基于自适应新生目标强度的概率假设密度滤波算法，其特征 是，所述的新生目标随机集的强度函数，具体是，若k时刻由步骤1确认了 个新生目标， 则根据新生目标位置构造高斯混合形式的强度函数，即 (2)
4. 根据权利要求1所述的基于自适应新生目标强度的概率假设密度滤波算法，其特征 是，所述的当前帧自适应新生目标强度函数，具体是，与权利要求3中已知新目标强度函数 合并构成新生目标强度函数yk(x)，即
其中，m"，P/j，分别是已知新生目标的位置中心向量，方差阵和每个目标的加权 系数；力"，gS，今％分别是步骤2构造的各新生目标的位置中心向量，方差阵和加权系 数。
5. 根据权利要求1所述的基于自适应新生目标强度的概率假设密度滤波算法，其特征 是，所述的PHD滤波器的预测，具体是，对新生目标预测和对继续生存的目标进行预测。
6. 根据权利要求1所述的基于自适应新生目标强度的概率假设密度滤波算法，其特征 是，所述的PHD滤波器的更新，具体是，当量测丢失时预测高斯元的更新和由量测对预测高 斯元的更新。
【文档编号】G01C21/20GK104501812SQ201410737973
【公开日】2015年4月8日 申请日期:2014年12月5日 优先权日:2014年12月5日
【发明者】吴静静, 宋淑娟, 尤丽华, 王金华 申请人:江南大学