[发明专利]变分贝叶斯概率假设密度多目标跟踪方法

说明书

技术领域

本发明属于智能信息处理技术领域，涉及未知量测噪声的变数目多目标跟踪方法。具体地说是一种基于变分贝叶斯近似和概率假设密度滤波的多目标跟踪方法，可用于各种交通管制、机器人导航和精确制导等系统中的目标检测与跟踪。

背景技术

早期的多目标跟踪算法主要是通过目标与量测之间的数据关联技术实现跟踪，如最近邻算法、联合概率数据关联算法、多假设跟踪算法等。但这些算法大多是针对已知数目的多目标跟踪问题，且计算复杂度比较高，难以有效实现杂波环境下数目变化的多目标跟踪。

近年来，随机有限集(Random finite set，RFS)理论得到了广泛关注，在不需要复杂数据关联的情况下，可以快速实现对未知数目的多目标跟踪，且可以实时地估计目标数目。目前，基于随机有限集理论的高斯混合概率假设密度(GM-PHD)滤波方法已被证明是实现数目变化的多目标跟踪有效方法。但在滤波过程中，该类方法需要事先假定已知目标的量测噪声，限制了这类方法的应用范围。通常在真实跟踪场景中，量测噪声是未知且时变的，因此，如果能正确估计未知的量测噪声，将有助于对真实跟踪场景的分析，可以改善算法对真实跟踪场景的适应能力，提高杂波环境下多扩展目标的跟踪性能。

发明内容

针对上述问题，本发明提出一种基于变分贝叶斯近似的概率假设密度多目标跟踪方法，以解决真实跟踪场景中未知量测噪声环境下数目变化的多目标跟踪问题，具有良好的跟踪效果和鲁棒性，可以满足实际工程系统的设计需求。

实现本发明的关键技术是：在概率假设密度滤波框架下，引入变分贝叶斯近似技术，联合估计目标状态和量测噪声协方差的后验概率假设密度，采用高斯混合逆伽马(Inverted gamma，IG)分布递推闭合解，实现未知量测噪声变数目的多目标跟踪。

为实现上述目标，具体实现步骤如下：

(1)初始化目标状态和量测噪声协方差的联合后验概率假设密度v₀(x，R)：

v0(x,R)≈Σi=1J0[w0(i)N(x;m0(i),P0(i))∏l=1dIG((σ0,l(i))2;α0,li,β0,l(i))]]]>