一种传递边缘分布的测量驱动目标跟踪方法与跟踪系统的制作方法
【技术领域】
[0001] 本发明属于多传感器信息融合技术领域，尤其设及一种传递边缘分布的测量驱动 目标跟踪方法与跟踪系统。
【背景技术】
[0002] 多目标贝叶斯滤波方法是解决目标检测和跟踪的有效方法。然而，在实际应用过 程中，我们发现多目标贝叶斯滤波方法存在W下两个问题；一是对测量数据处理时需要等 到一个周期的所有测量数据全部收到后才能开始处理，该样，如果传感器的测量周期过长， 测量数据在一个周期内不同的时刻接收到，收到的测量数据在等待周期内得不到及时处理 会造成严重的信息延迟。二是滤波器的递归需要知道目标的初始位置，当目标初始位置信 息无法获取时，滤波器难W使用。信息处理的延迟问题、未知目标初始位置情况下的多目标 跟踪问题是多目标贝叶斯滤波方法需要探索和解决的关键技术问题。
【发明内容】
[0003] 本发明所要解决的技术问题在于提供一种传递边缘分布的测量驱动目标跟踪方 法与跟踪系统，旨在解决新收到的测量数据不能被及时处理而产生的信息延迟问题W及未 知目标初始位置情况下的多目标跟踪问题。本发明是该样实现的：
[0004] 一种传递边缘分布的测量驱动目标跟踪方法，包括W下步骤：
[0005] 步骤1 ;当接收到新测量数据时，计算当前时刻与前一时刻的时间差，并根据该时 间差与前一时刻的边缘分布及其存在概率得到当前时刻预测的边缘分布及其存在概率；
[0006] 步骤2;根据当前时刻预测的边缘分布及其存在概率，利用贝叶斯规则对当前时 刻接收到的测量数据进行序贯处理，得到当前时刻更新的边缘分布及其存在概率；
[0007] 步骤3;利用当前时刻的测量数据生成当前时刻新生目标的边缘分布，并为其指 定存在概率，同时，将当前时刻新生目标的边缘分布及其存在概率分别与当前时刻更新的 边缘分布及其存在概率合并，生成当前时刻的边缘分布及其存在概率；
[0008] 步骤4;从合并后所生成的当前时刻的边缘分布中将存在概率小于第一阔值的边 缘分布裁减掉，并将裁减后的边缘分布及其存在概率作为下一时刻滤波器递归的输入，同 时，从裁减后的边缘分布中提取存在概率大于第二阔值的边缘分布作为当前时刻的输出， 并将各个输出边缘分布的均值与方差分别作为存活目标的状态估计与误差估计。
[0009] 进一步地，所述步骤1中，Wk-1表示前一时刻，k表示当前时刻，tk_i表示前一时 刻的时间，tk表示当前时刻的时间；
[0010] 已知前一时刻的边缘分布为N(Xi，k_i;mi，…Pi，k-I)，i= 1，2,…，rvi;前一时刻各边 缘分布的存在概率为Pi，k_i，i= 1，2,…，rvi;其中，N为高斯分布，Xi，k_i为前一时刻第i个 边缘分布的状态，为前一时刻第i个边缘分布的均值，P 为前一时刻第i个边缘分 布的方差，rvi为前一时刻目标的总数，i为索引号；
[0011] 由前一时刻的边缘分布，前一时刻各边缘分布的存在概率，W及当前时刻与 前一时刻的时间差得到当前时刻各目标的预测边缘分布为N(Xi,k;mi,k|k_l，Pi,k|k_l)，i= 1，2,…，rik_i;当前时刻各目标预测边缘分布的存在概率为Pi，k|k_i=Ps，k(tk,tk_i)Pi，k_i, i= 1,2,…，rvi;其中，mi，k|k-i=Fk-曲，…为当前时刻第i个边缘分布的均值；Pi，k|k-i= Qk-i+Fk-iPi，k-iFk-iT，为当前时刻第i个边缘分布的方差；心(化-1) = 为目标的 幸存概率；At=tk-tk_i，为当前时刻与前一时刻的时间差；S为已知常数；T为采样周期；
【主权项】
1. 一种传递边缘分布的测量驱动目标跟踪方法，其特征在于，包括以下步骤： 步骤1 :当接收到新测量数据时，计算当前时刻与前一时刻的时间差，并根据该时间差 与前一时刻的边缘分布及其存在概率得到当前时刻预测的边缘分布及其存在概率； 步骤2 :根据当前时刻预测的边缘分布及其存在概率，利用贝叶斯规则对当前时刻接 收到的测量数据进行序贯处理，得到当前时刻更新的边缘分布及其存在概率； 步骤3:利用当前时刻的测量数据生成当前时刻新生目标的边缘分布，并为其指定存 在概率，同时，将当前时刻新生目标的边缘分布及其存在概率分别与当前时刻更新的边缘 分布及其存在概率合并，生成当前时刻的边缘分布及其存在概率； 步骤4 :从合并后所生成的当前时刻的边缘分布中将存在概率小于第一阈值的边缘分 布裁减掉，并将裁减后的边缘分布及其存在概率作为下一时刻滤波器递归的输入，同时，从 裁减后的边缘分布中提取存在概率大于第二阈值的边缘分布作为当前时刻的输出，并将各 个输出边缘分布的均值与方差分别作为存活目标的状态估计与误差估计。
2. 根据权利要求1所述的目标跟踪方法，其特征在于，所述步骤1中，以k-Ι表示前一 时刻，k表示当前时刻，心^表示前一时刻的时间，t k表示当前时刻的时间； 已知前一时刻的边缘分布为以11，,_1;11^1;_1，， 1;_1)，1 = 1，2，~，111;_1;前一时刻各边缘分 布的存在概率为P = 1，2,…，nk_1;其中，N为高斯分布，X^1为前一时刻第i个边缘 分布的状态，Hl^1为前一时刻第i个边缘分布的均值，P 为前一时刻第i个边缘分布的 方差，IV1为前一时刻目标的总数，i为索引号； 由前一时刻的边缘分布，前一时刻各边缘分布的存在概率，以及当前时刻与前 一时刻的时间差得到当前时刻各目标的预测边缘分布为N (xi;k;m J5llrf, Pi,.Ο，i = I，2，…，Iv1;当前时刻各目标预测边缘分布的存在概率为P k, η = p s，k (tk，V1) P η， i = 1，2, ···，nk_1;其中，m L1= F JrfIiiiH，为当前时刻第i个边缘分布的均值；Pl1 = 为当前时刻第i个边缘分布的方差
为目标的 幸存概率；Δ t = tk-tg，为当前时刻与前一时刻的时间差；δ为已知常数；T为采样周期；
为前一时刻的状态转移矩阵；Qh为前一时刻的过程噪声方差矩 阵；上标T表示矩阵的转置。
3. 根据权利要求2所述的目标跟踪方法，其特征在于，所述步骤2中，设当前时刻接收 到的测量数据为yk= (y 1Λ，…，yMik)，其中，M为当前时刻接收到的测量数据总数；利用贝叶 斯规则对当前时刻接收到的测量数据进行序贯处理的步骤包括： 步骤A :取边缘分布
i = 1，2, 一,IV1，和存在概率 A% =/?*--I，i = 1，2,…，nk_1;其中
步骤B :利用贝叶斯规则依次对第1至M个测量数据进行处理：设第j个测量数据在处 理前的边缘分布为，i = 1，2,…，Iv1，第j个测量数据在处理前的各边缘 分布的存在概率为Pi1，i = 1，2,…，Iv1，其中，1彡j彡M ;由a )和求得 用第j个测量数据更新时的存在概_
? 滤波器增益 Ai = +RiV1，均值向量 mg = InfJ1 + Ai 办# -HjtIiifJ1)，协方 差矩阵p,a/ =(J-ArHi)1Vi1;其中，Hk为观测矩阵，R k为观测噪声的方差矩阵，pDk为目标 的检测概率，λ u为杂波密度，y u为当前时刻接收到的第j个测量数据，I表示单位矩阵， 上标T表示矩阵或向量的转置； 如果P；；/' ，则第j个测量数据处理后的第i个边缘分布为 #(x;"g) = W(xLi;mg，)，其存在概率为 其中 = ，私=故； 如果pg 5； pi1，第j个测量数据处理后的第i个边缘分布为 = ，其存在概率为 =Pi1，其中丨=InG1，PA = P/j:1; 步骤C :第M个测量数据处理后的第i个边缘分布为巧），i = 2,…，Iv1, 其存在概率为d，i = 1，2,…，nk_1; 由此得到的所述当前时刻更新的边缘分布为州~;《^,1) = #(*,*;1^,#)，1 = 1，2,…，Iv1，各更新的边缘分布的存在概率为pa =p;〖，i = 1，2,…，nk_