[发明专利]一种转移概率自适应的交互多模型目标跟踪方法

权利要求书

1.一种转移概率自适应的交互多模型目标跟踪方法，其特征在于，包括如下步骤：

步骤1、通过传感器采集目标的运动轨迹测量值并建立目标的运动模型集；

步骤2、根据先验知识设定初始模型的概率、模型转移概率矩阵；

步骤3、根据状态转移矩阵指导子模型进行输入交互；

步骤4、滤波器并行工作，对每个子模型下的目标运动轨迹进行跟踪；

步骤5、根据子模型的似然函数更新各个运动模型的概率；

步骤6、根据更新后的模型概率，采用双曲正弦反函数对状态转移矩阵进行修正；

步骤7、根据运动模型概率输出交互。

2.如权利要求1所述的一种转移概率自适应的交互多模型目标跟踪方法，其特征在于，步骤1具体为：

步骤(1.1)、通过传感器采集目标轨迹的测量值；

步骤(1.2)、建立目标运动模型集M＝[M₁,M₂,…,M_r](r为模型集中子模型的概率)，子模型需要覆盖目标主要的运动模型，但数量不能太多以免引起模型间不必要竞争，影响跟踪精度；

第j个模型M_j(j＝1,2,…r)的状态方程为：

X_j(k+1)＝Φ_j(k)X_j(k)+G_j(k)W_j(k)

量测方程为：

Z(k)＝H(k)X(k)+V(k)

其中X_j(k+1)表示k+1时刻模型M_j中目标的1×n维状态向量，Z(k)表示k时刻模型M_j中目标的1×m观测向量，Φ_j(k-1)为模型M_j的状态转移矩阵，G_j表示模型M_j的噪声矩阵，H为观测矩阵，W_j(k)是模型M_j状态噪声序列，V(k)是模型M_j量测值噪声序列，k表示采样时间。

3.如权利要求1所述的一种转移概率自适应的交互多模型目标跟踪方法，其特征在于，步骤2具体为：

步骤(2.1)、根据先验知识，主观地设置步骤1中各个子模型的初始概率u_i(1)(i＝1,2,…r)；

步骤(2.2)、根据先验知识，主观地设置步骤1中模型间的初始马尔科夫状态转移矩阵Π：

Π=π11...π1r.........πr1...πrr]]>

其中π_ij表示从模型i转移到模型j的概率，且要求状态转移矩阵的主对角线元素占优。