[发明专利]基于并行模糊高斯和粒子滤波的目标跟踪方法及装置

权利要求书

1.一种基于并行模糊高斯和粒子滤波的目标跟踪方法，其特征在于，包括：

将传感器系统划分为多个子系统；

分别为每个所述子系统利用其边界状态对其在当前目标观测时刻对目标状态的观测结果使用模糊高斯和粒子滤波方法进行滤波，以获取所述子系统当前目标观测时刻的目标状态后验概率密度函数，其中不同的所述子系统在滤波过程中使用的状态粒子不共享；

利用所有所述子系统当前目标观测时刻的目标状态后验概率密度函数获取所述传感器系统当前目标观测时刻的目标状态后验概率密度函数；

利用所述传感器系统当前目标观测时刻的目标状态后验概率密度函数获取当前目标观测时刻的目标状态估计值。

2.根据权利要求1所述的方法，其特征在于，

所述为所述子系统利用其边界状态对其当前目标观测时刻观测的目标状态使用模糊高斯和粒子滤波方法进行滤波包括：

对于所述子系统，利用高斯和构建上一目标观测时刻的目标状态后验概率密度函数、观测噪声概率密度函数以及过程噪声概率密度函数；

根据高斯-厄米特积分和蒙特卡罗原理，利用所述上一目标观测时刻的目标状态后验概率密度函数、所述过程噪声概率密度函数和所述边界状态获取当前目标观测时刻的目标状态预测概率密度函数；

利用所述当前目标观测时刻的目标状态预测概率密度函数、所述观测结果和所述观测噪声概率密度函数获取多个高斯项及其权值；

利用所述权值对所述高斯项进行重采样，获取其中权值最大的G个高斯项，其中G为正整数；

利用所述权值最大的G个高斯项获取所述子系统当前目标观测时刻的目标状态后验概率密度函数。

3.根据权利要求2所述的方法，其特征在于，

对于第s个所述子系统，利用高斯和构建的所述上一目标观测时刻n的目标状态后验概率密度函数为G个第一高斯分布函数的加权和，具体定义为：

其中s＝1,2,…,S，S为所述传感器系统中所述子系统的总数，为第g个所述第一高斯分布函数的均值，为第g个所述第一高斯分布函数的协方差，为第g个所述第一高斯分布函数的权值，g＝1,2,…,G，所述均值和所述协方差是利用当前目标观测时刻n+1之前第s个所述子系统对目标状态的观测结果而获得的；

过程噪声概率密度函数p(u_n)为K个第二高斯分布函数的加权和，具体定义为：

其中α_k为第k个所述第二高斯分布函数的权值，且为非负常数同时满足和分别表示第k个所述第二高斯分布函数的均值和协方差，k＝1,2,…,K；

观测噪声概率密度函数p(v_n)为L个第三高斯分布函数的加权和，具体定义为：

其中β_j为第j个所述第三高斯分布函数的权值，且为非负常数同时满足和分别表示第j个所述第三高斯分布函数的均值和协方差，j＝1,2,…,L。

4.根据权利要求3所述的方法，其特征在于，

所述根据高斯-厄米特积分和蒙特卡罗原理，利用所述上一目标观测时刻的目标状态后验概率密度函数、所述过程噪声概率密度函数和所述边界状态获取当前目标观测时刻的目标状态预测概率密度函数包括：

利用所述上一目标观测时刻n的目标状态后验概率密度函数和所述过程噪声概率密度函数获取第一积分点粒子集，利用所述边界状态获取边界状态粒子集，所述第一积分点粒子集和所述边界状态粒子集组成第一近似粒子集；

利用所述第一近似粒子集和所述子系统的状态方程获取预测粒子集；

利用所述预测粒子集获取所述当前目标观测时刻n+1的目标状态预测概率密度函数。