[发明专利]基于贝叶斯理论的多传感器检测跟踪联合处理方法

权利要求书

1.一种基于贝叶斯理论的多传感器检测跟踪联合处理方法，包括如下步骤：

1)将目标的动态模型和目标存在状态的转移概率矩阵以概率的形式联合表示为p(y_k+1|y_k)，其中y_k表示k时刻目标联合状态，y_k+1表示k+1时刻目标联合状态，目标联合状态y_k的具体形式为y_k＝(x_k，E_k)，x_k表示k时刻目标运动状态，E_k表示k时刻目标存在状态；

2)将目标联合状态y_k与第i个传感器k时刻整个观测空间的观测数据之间的关系以概率的形式表示为1≤i≤N，其中N表示传感器数目；

3)在起始时刻，将各传感器均匀地初始化为没有观测情况下的预测概率分布y₁表示k＝1时刻目标联合状态，表示第i个传感器起始时刻没有观测的情况；

4)各传感器根据k时刻的观测数据计算目标联合状态的后验概率分布其中表示第i个传感器k时刻及k时刻以前所有的观测数据，其具体形式为

5)各传感器把目标联合状态的后验概率分布传送至融合中心，i＝1，2，L，N；融合中心利用该对目标存在状态Ek进行融合处理，得到融合后目标存在的后验概率p^1～N(E_k＝H₁)：

p1~H(Ek=H1)=Πi=1Np(Ek=H1|Zki)Πi=1Np(Ek=H1|Zki)+Πi=1Np(Ek=H0|Zki)]]>

其中，表示在条件下目标存在的后验概率，其具体形式为：

p(Ek=H1|Zki)=∫p(xk,Ek=H1|Zki)dxk,i=1,2,L,N]]>

表示在条件下目标不存在的后验概率，其具体形式为：

p(Ek=H0|Zki)=∫p(xk,Ek=H0|Zki)dxk,i=1,2,L,N;]]>

6)将融合后目标存在的后验概率p^1～N(E_k＝H₁)与检测阈值η＝0.6进行比较，若p^1～N(E_k＝H₁)≥η，则表示检测到目标，执行步骤7)；若p^1～N(E_k＝H₁)＜η，则表示没有检测到目标，转至步骤8)；

7)融合中心按照协方差交叉法对各传感器目标运动状态的后验概率分布进行融合处理，得到融合后目标运动状态的后验概率分布p^1～N(x_k)，并利用融合后目标运动状态的后验概率分布p^1～N(x_k)对目标运动状态进行估计：

x^k=∫xk·p1~N(xk)dxk]]>

其中表示k时刻目标运动状态的估计值；

8)利用所述的p(y_k+1|y_k)对各传感器进行预测，得到各传感器的预测概率分布

9)重复步骤4)至步骤8)，对目标进行持续的检测和跟踪。