[发明专利]一种GM-PHD滤波器的标签分配方法

说明书

本发明涉及一种GM‑PHD滤波器的标签分配方法，包括：初始化各个高斯分量对应的状态均值协方差矩阵权值和相应的标签T₀；通过GM‑PHD滤波器获得k时刻的预测值，k≥1；利用k时刻的传感器量测值，通过GM‑PHD滤波器获得k时刻的更新值；进行高斯分量的裁剪融合以及标签的重新分配；提取k时刻的估计结果；将步骤四输出的k时刻的高斯分量代入步骤二进行k+1时刻的多目标估计，直到滤波结束。本发明的标签分配方法既不参与滤波过程，也不参与高斯分量的裁剪和融合过程，在确保目标个数估计准确的前提下进行标签分配，因此不会导致目标丢失，同时，标签分配时，加入重要性排序，标记准确无重复。

技术领域

本发明涉及多目标跟踪技术领域，尤其是一种GM-PHD滤波器的标签分配方法。

背景技术

多目标跟踪涉及多个领域，如雷达数据处理、图像/视频处理、机器人导航等，它是一种利用采集的传感器量测信息，通过相应的目标跟踪算法获得目标航迹的过程。近年，基于随机有限集(RFS)框架的多目标跟踪方法成为研究热点，该方法基于有限集统计理论对传感器量测集合进行处理，直接估计出多目标的状态集合，从而避免了传统多目标跟踪方法对数据关联的依赖，并降低了计算复杂度。常见的基于随机有限集理论的滤波方法有概率假设密度(PHD)滤波器、序贯蒙特卡罗概率假设密度(SMC-PHD)滤波器和高斯混合概率假设密度(GM-PHD)滤波器等，其中GM-PHD是比较常用的工程实现方法。

但是，基于RFS的多目标跟踪方法只能给出多目标的状态估计，无法形成航迹是该类方法的主要缺点之一。目前，主要有两种方法解决该问题，一是当估计出多目标状态后，采用传统数据关联(如最近邻法等)的方法进行航迹的起始、关联和终止等，但这类方法仍需要引入复杂的数据关联算法，增加了计算量；另一种方法是标签法，即在滤波器更新时，给每个高斯分量分配标签，这样，滤波器输出带有标签的估计状态，标签相同的状态表示属于同一个目标。对于现有的标签法，主要存在以下缺陷：当同一高斯分量的权值大于等于2时分配相同的标签，使得不同的目标分配了相同的标签，进而无法区分不同目标的航迹；在融合时，按照不同标签对高斯分量进行了分类，但这样无法保证多目标数目估计的正确性，将导致估计状态的丢失；将MHT和RFS理论结合，提出了δ-GLMB算法，在密集目标和强杂波环境下，面临多假设的“组合爆炸”问题。可见，标签分配方法的优劣将直接影响基于RFS的多目标跟踪方法的性能，进而影响航迹管理的性能。

发明内容

本发明的目的在于提供一种标记简单准确，且便于工程应用的GM-PHD滤波器的标签分配方法。

为实现上述目的，本发明采用了以下技术方案：一种GM-PHD滤波器的标签分配方法，该方法包括下列顺序的步骤：

(1)初始化各个高斯分量对应的状态均值协方差矩阵权值和相应的标签T₀；

(2)通过GM-PHD滤波器获得k时刻的预测值，k≥1；

(3)利用k时刻的传感器量测值，通过GM-PHD滤波器获得k时刻的更新值；

(4)进行高斯分量的裁剪融合以及标签的重新分配；

(5)提取k时刻的估计结果；

(6)将步骤(4)输出的k时刻的高斯分量代入步骤(2)进行k+1时刻的多目标估计，直到滤波结束。

在步骤(1)中，所述标签表示初始时刻给每个高斯分量分配的标签,且要求不同高斯分量分配不同的标签,J₀为初始化高斯分量个数。

在步骤(2)中，所述预测值包括各个高斯分量对应的状态均值协方差矩阵权值和相应的标签T_k|k-1，其中状态均值协方差矩阵和权值按照GM-PHD滤波器的时间更新过程计算，相应的标签预测值为：