[发明专利]一种基于多重渐消因子的自适应目标跟踪滤波方法

权利要求书

1.一种基于多重渐消因子的自适应目标跟踪滤波方法，其特征在于，所述方法包括如下步骤：

步骤一，建立运动目标的状态模型和量测模型，将状态模型的运动状态标记为N维的运动状态向量X，量测模型的量测值标记为M维的量测向量Z，根据运动模型获得状态误差协方差矩阵P和过程噪声协方差矩阵Q，根据量测模型获得量测噪声协方差矩阵R；

步骤二，获得第k时刻的运动状态向量X(k)、状态误差协方差矩阵P(k)，按照卡尔曼递推公式计算运动目标在第k+1时刻的运动状态向量预测值量测向量预测值并计算得到第k+1时刻的目标的新息协方差S(k+1)；根据第k+1时刻目标的量测向量Z(k+1)计算第k+1时刻新息v(k+1)，并由v(k+1)得到第k+1时刻新息协方差的估计值

步骤三，计算第k+1时刻的指数加权因子根据和S(k+1)计算得到第k+1时刻多重渐消因子λ(k+1)；

步骤四，通过第k+1时刻多重渐消因子λ(k+1)计算第k+1时刻的状态预测协方差矩阵P(k+1|k)，并得到第k+1时刻的卡尔曼增益K(k+1)，最终得到目标在第k+1时刻的滤波值和滤波协方差P(k+1|k+1)；

步骤五，使k＝k+1，判断目标跟踪是否结束，如果没有结束那么返回执行步骤二～步骤四，如果结束则完成所述目标跟踪滤波方法。

2.根据权利要求1所述的一种基于多重渐消因子的自适应目标跟踪滤波方法，其特征在于，所述步骤一中目标的运动模型为：

X(k+1)＝F(k)X(k)+G(k)V(k)

其中，F(k)是N×N阶的状态转移矩阵，G(k)为N×M维的过程噪声分布矩阵，V(k)为M维过程噪声，是具有零均值的高斯白噪声，过程噪声协方差矩阵为Q(k)。

3.根据权利要求2所述的一种基于多重渐消因子的自适应目标跟踪滤波方法，其特征在于，所述步骤一中目标的量测模型为：

Z(k)＝H(k)X(k)+W(k)

其中，H(k)是M×N阶的量测矩阵，W(k)为M维的量测噪声，是具有零均值的高斯白噪声，量测噪声协方差矩阵为R(k)。

4.根据权利要求3所述的一种基于多重渐消因子的自适应目标跟踪滤波方法，其特征在于，所述步骤二具体为：当k＝1时，采用传感器获得的量测向量Z(0)、Z(1)，并初始化运动状态向量X(1)和状态误差协方差矩阵P(1)；当k＞1时，用k时刻的滤波值和滤波协方差P(k|k)初始化运动状态向量X(k)和状态误差协方差矩阵P(k)，P(k)＝P(k|k)；第k+1时刻运动状态向量预测值量测向量预测值新息协方差S(k+1)、新息v(k+1)、新息协方差的估计值的计算方法具体为：

S(k+1)＝H(k)(F(k)P(k|k)F^T(k)+G(k)Q(k)G^T(k))H^T(k)+R(k+1)

其中，η(k)＝diag(λ₍₁₎₁(k)/(1+λ₍₁₎₁(k)),…,λ_(j)j(k)/(1+λ_(j)j(k)),…,λ_(M)M(k)/(1+λ_(M)M(k)))，S_k(j,j)，代表S(k)和在第j行第j列的元素值，H(k+1)表示k+1时刻的量测矩阵，R(k+1)表示k+1时刻的量测噪声协方差矩阵。

5.根据权利要求4所述的一种基于多重渐消因子的自适应目标跟踪滤波方法，其特征在于，所述步骤三的计算方法具体为：

第k+1时刻指数加权因子其中，b是调节因子，0≤b＜1；

第k+1时刻多重渐消因子

其中，λ_j(k+1)代表第k+1时刻第j个通道的渐消因子，满足1≤j≤M，M是通道个数；是阶数为M_j×M_j的单位阵，M_j是每个子通道的维数，M_j＝N/M，S_k+1(j,j)，代表S(k+1)和在第j行第j列的元素值。

6.根据权利要求5所述的一种基于多重渐消因子的自适应目标跟踪滤波方法，其特征在于，所述步骤四的计算方法具体为：

P(k+1|k)＝λ(k+1)(F(k)P(k|k)F^T(k)+G(k)Q(k)G^T(k))

K(k+1)＝P(k+1|k)H^T(k+1)(H^T(k+1)P(k+1|k)H^T(k+1)+R(k+1))^-1

P(k+1|k+1)＝P(k+1|k)-K(k+1)H(k+1)P(k+1|k)。