[发明专利]一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法

说明书

技术领域

本发明属于多目标跟踪技术领域，特别是一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法。

背景技术

多目标跟踪(Multi-target Tracking，MTT)技术是指根据传感器得到的运动目标和环境噪声的量测信息，对目标的个数和状态进行估计的过程。近年来，多目标跟踪技术已成为目标跟踪领域的研究热点。早期的多目标跟踪算法是基于数据关联(Data Association，DA)的方法，先确立目标与量测间的对应关系，再通过贝叶斯理论将多目标跟踪问题转换为对多个单目标的状态进行估计。这类算法的缺点是数据关联过程比较复杂，运算量大，对目标个数的估计缺乏有效性。另一类多目标跟踪算法是基于随机有限集(Random Finite Set，RFS)理论的方法，概率假设密度(Probability Hypothesis Density，PHD)滤波器就是基于此理论。PHD滤波器用随机有限集来描述目标的状态和传感器的量测，将多目标的状态估计问题转换为集值估计，避免了数据关联，可同时对目标的状态和个数进行估计。这类算法理论基础坚实、实现简单，能够对复杂背景下的多目标进行准确跟踪。

传统的PHD滤波器通常假定杂波强度先验已知，但是在实际应用场景中，受到地形、电子对抗等外部干扰，杂波强度的先验通常是未知且复杂的。此时，若仍假定杂波先验已知，容易导致跟踪的精度下降。

针对未知杂波下的多目标跟踪问题，目前有学者提出了一些解决办法。Mahler R等人于2011年提出了一种未知杂波及未知检测概率的CPHD(Cardinalized PHD，CPHD)多目标跟踪方法，该方法用混合状态空间模型对杂波进行建模，用随机有限集对杂波状态进行描述，最后由CPHD滤波器估计杂波的个数和多目标的状态。但该方法对目标个数的估计受到混合漏检概率的影响，容易将漏检的目标当成漏检的杂波，使杂波个数的估计值偏大。瑚成祥等人于2014年提出了一种多目标跟踪的区域杂波估计方法。该方法将整个跟踪区域按目标个数划分为若干个子区域，分别对每个子区域的杂波强度进行估计，从而获得整个跟踪区域的杂波强度信息。该方法对杂波的估计具有不依赖于杂波先验、估计准确等优点，但该方法没有对目标状态进行平滑操作，跟踪的误差比较大。

发明内容

本发明所解决的技术问题在于提供一种加速EM未知杂波估计的PHD(Accelerated Expectation Maximization Probability Hypothesis Density，AEM-PHD)多目标跟踪平滑滤波方法。

实现本发明目的的技术解决方案为：首先，由前面时刻的杂波个数估计出当前时刻的杂波个数；其次，采用高斯有限混合模型拟合杂波的密度函数，采取施加熵惩罚、动态调整惩罚因子等措施，加快模型分量个数的估计值逼近最优解；接着，采用Aitken加速法对模型参数的估计值进行修正，使参数估计结果更加准确；最后，将估计的杂波信息用于PHD多目标跟踪，引入平滑操作，充分利用量测数据对目标状态的估计值进行平滑，有效地减小了多目标跟踪误差。

本发明主要有以下优点：

1.本发明在传统EM算法的基础上采取了施加熵惩罚、Aitken加速法等措施提出了加速EM算法，用于杂波密度函数的参数估计。加速EM算法不依赖于杂波先验，收敛速度快，估计结果更加准确。

2.本发明将估计的杂波强度用于PHD多目标跟踪，避免了因杂波真实强度与先验知识不匹配导致跟踪误差增加的情况，提高了PHD滤波器的性能。

3.本发明在PHD滤波器的基础上增加了平滑步骤，充分利用量测数据对目标状态进行平滑操作，减小了多目标的跟踪误差。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为本发明的流程图。

图2为目标的真实位置图。

图3为PHD滤波算法估计的目标位置图。

图4为AEM-PHD平滑滤波算法估计的目标位置图。

图5为目标个数的估计值图。

图6为OSPA距离图。

具体实施方式

依据附图，对本发明的技术方案作具体说明。

所述一种加速EM未知杂波估计的PHD多目标跟踪平滑滤波方法，具体实施步骤为

步骤1杂波强度的建模。

对杂波强度建模如下

κ_k＝λ_kp(z)(1)

其中，λ_k表示k时刻杂波的个数；p(z)表示杂波的密度函数。