一种目标跟踪方法及截断积分卡尔曼滤波方法、装置制造方法

文档序号:6542961阅读:309来源:国知局
一种目标跟踪方法及截断积分卡尔曼滤波方法、装置制造方法
【专利摘要】本发明公开了一种目标跟踪方法、系统及截断积分卡尔曼滤波方法、装置,该截断积分卡尔曼滤波方法包括根据高斯-厄米特积分获取目标状态的原始先验概率密度函数;根据原始先验概率密度函数获取目标状态的第一后验概率密度函数;根据当前目标观测时刻的目标观测向量修正原始先验概率密度函数,以获取修正先验概率密度函数;根据修正先验概率密度函数获取目标状态的第二后验概率密度函数;根据第一后验概率密度函数以及第二后验概率密度函数获取目标状态的联合后验概率密度函数。本发明能够有效减少目标状态先验分布方差,自适应地根据观测信息的精度进行状态更新,有效提高滤波精度且实用性较高。
【专利说明】一种目标跟踪方法及截断积分卡尔曼滤波方法、装置
【技术领域】
[0001]本发明涉及非线性滤波领域,特别是涉及一种目标跟踪方法、系统及截断积分卡尔曼滤波方法、装置。
【背景技术】
[0002]被动传感器(如红外、声纳等)本身不发射电磁波,其通过接收以目标为载体的发动机、通信、雷达等所辐射的红外线、电磁波,或目标所反射的外来电磁波等来探测目标的位置等信息。通常采用多个被动传感器即组成一被动传感器阵列对同一目标进行观测以实现对目标的跟踪。
[0003]针对被动传感器阵列中的目标跟踪问题,现有技术主要采用如下几种方法:第一种为通过自适应调整目标的状态模型,以实现对目标的准确跟踪,该类方法例如有交互多模型(MM)方法。第二种为基于粒子滤波的交互多模型跟踪算法,例如多模Rao-Blackwellized粒子滤波方法,该方法将机动目标跟踪问题划分为模型选择和目标跟踪两个子问题。
[0004]本申请发明人在长期研发中发现,现有技术中第一种方法当目标突然机动时,其不能及时对机动目标进行检测,导致目标机动时跟踪性能降低,从而可能出现目标丢失的情况;基于粒子滤波的第二种方法会随着目标状态维数的增加,粒子维数和计算量也随之增加,一般很难实际应用。另外,采用上述两种方法对目标进行跟踪时,当目标机动时,由于运动模型的不准确以及观测误差的存在,使得目标的预测误差迅速增大,从而造成目标状态先验分布方差增大,目标跟踪性能变差。

【发明内容】

[0005]本发明主要解决的技术问题是提供一种目标跟踪方法、系统及截断积分卡尔曼滤波方法、装置,能够有效减少目标状态先验分布方差,自适应地根据观测信息的精度进行状态更新,有效提高滤波精度且实用性较高。
[0006]为解决上述技术问题,本发明的第一方面是:提供一种目标跟踪方法,包括:对目标进行观测以获得当前目标观测时刻的目标观测向量;根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数;根据原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数;根据当前目标观测时刻的目标观测向量修正原始先验概率密度函数,以获取修正先验概率密度函数;根据修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数;根据第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数;利用目标状态的联合后验概率密度函数对目标状态进行估计,以获得当前目标观测时刻的目标状态估计值;输出当前目标观测时刻的目标状态估计值,以实现对目标的跟踪。
[0007]为解决上述技术问题,本发明的第二方面是:提供一种目标跟踪系统,包括:被动传感器阵列以及截断积分卡尔曼滤波装置,被动传感器阵列连接至截断积分卡尔曼滤波装置,被动传感器阵列由多个被动传感器组成,被动传感器阵列用于对目标进行观测以获得当前目标观测时刻的目标观测向量;截断积分卡尔曼滤波装置包括:原始先验概率密度函数获取模块,用于根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数;第一后验概率密度函数获取模块,用于根据原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数;修正先验概率密度函数获取模块,用于根据当前目标观测时刻的目标观测向量修正原始先验概率密度函数,以获取修正先验概率密度函数;第二后验概率密度函数获取模块,用于根据修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数;联合后验概率密度函数获取模块,用于根据第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数;目标状态估计模块,用于利用目标状态的联合后验概率密度函数对目标状态进行估计,以获得当前目标观测时刻的目标状态估计值;目标状态估计值输出模块,用于输出当前目标观测时刻的目标状态估计值。
[0008] 为解决上述技术问题,本发明的第三方面是:提供一种截断积分卡尔曼滤波方法,包括:根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数;根据原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数;根据当前目标观测时刻的目标观测向量修正原始先验概率密度函数,以获取修正先验概率密度函数;根据修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数;根据第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数,完成截断积分卡尔曼滤波过程。
[0009]其中,根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数的步骤具体包括:根据高斯-厄米特积分获取m个积分点,具体如下式所示:
[0010]
【权利要求】
1.一种目标跟踪方法,其特征在于,包括: 对目标进行观测以获得当前目标观测时刻的目标观测向量; 根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数;根据所述原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数; 根据所述当前目标观测时刻的目标观测向量修正所述原始先验概率密度函数,以获取修正先验概率密度函数; 根据所述修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数; 根据所述第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数; 利用所述目标状态的联合后验概率密度函数对目标状态进行估计,以获得当前目标观测时刻的目标状态估计值; 输出所述当前目标观测时刻的目标状态估计值,以实现对目标的跟踪。
2.一种目标跟踪系统,其特征在于,包括: 被动传感器阵列以及截 断积分卡尔曼滤波装置,所述被动传感器阵列连接至截断积分卡尔曼滤波装置,所述被动传感器阵列由多个被动传感器组成,所述被动传感器阵列用于对目标进行观测以获得当前目标观测时刻的目标观测向量; 所述截断积分卡尔曼滤波装置包括: 原始先验概率密度函数获取模块,用于根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数; 第一后验概率密度函数获取模块,用于根据所述原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数; 修正先验概率密度函数获取模块,用于根据所述当前目标观测时刻的目标观测向量修正所述原始先验概率密度函数,以获取修正先验概率密度函数; 第二后验概率密度函数获取模块,用于根据所述修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数; 联合后验概率密度函数获取模块,用于根据所述第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数; 目标状态估计模块,用于利用所述目标状态的联合后验概率密度函数对目标状态进行估计,以获得当前目标观测时刻的目标状态估计值; 目标状态估计值输出模块,用于输出所述当前目标观测时刻的目标状态估计值。
3.一种截断积分卡尔曼滤波方法,其特征在于,包括: 根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数;根据所述原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数; 根据当前目标观测时刻的目标观测向量修正所述原始先验概率密度函数,以获取修正先验概率密度函数; 根据所述修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数; 根据所述第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数,完成截断积分卡尔曼滤波过程。
4.根据权利要求3所述的方法,其特征在于,所述根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数的步骤具体包括: 根据高斯-厄米特积分获取m个积分点t,具体如下式所示:

5.根据权利要求4所述的方法,其特征在于,所述根据所述原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数的步骤具体包括: 根据所述均值iA(U1w和协方差获取m个积分点,具体如下式所示:

6.根据权利要求5所述的方法,其特征在于,所述根据当前目标观测时刻的目标观测向量修正所述原始先验概率密度函数,以获取修正先验概率密度函数的步骤具体包括:根据k时刻的目标观测向量利用最小二乘交叉定位方法获取k时刻的目标状态估计值T ; 采用所述目标状态估计值T代替最大似然估计值,具体如下式所示: 其中,^(?)为所述最大似然估计值; 根据所述最大似然估计值4(?)修正原始先验概率密度函数,获取修正先验概率密度函数的均值和协方差,具体如下所示:
7.根据权利要求6所述的方法,其特征在于,所述根据所述修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数的步骤具体包括: 根据所述均值iVu|i—.dP协方差PwdH获取m个积分点k,-丨fc,具体如下式所示:

8.根据权利要求7所述的装置,其特征在于,所述根据所述第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数的步骤具体包括: 根据所述第一后验概率密度函数以及第二后验概率密度函数各自对应的均值获取目标状态估计权值,具体 如下所示:
9.一种截断积分卡尔曼滤波装置,其特征在于,包括: 原始先验概率密度函数获取模块,用于根据高斯-厄米特积分获取当前目标观测时刻目标状态的原始先验概率密度函数; 第一后验概率密度函数获取模块,用于根据所述原始先验概率密度函数获取当前目标观测时刻目标状态的第一后验概率密度函数;修正先验概率密度函数获取模块,用于根据当前目标观测时刻的目标观测向量修正所述原始先验概率密度函数,以获取修正先验概率密度函数; 第二后验概率密度函数获取模块,用于根据所述修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数; 联合后验概率密度函数 获取模块,用于根据所述第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数。
【文档编号】G06F19/00GK103955600SQ201410134572
【公开日】2014年7月30日 申请日期:2014年4月3日 优先权日:2014年4月3日
【发明者】李良群, 谢维信, 刘宗香 申请人:深圳大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1