[发明专利]一种贝叶斯滤波目标跟踪算法

权利要求书

1.一种贝叶斯滤波雷达目标跟踪方法，其特征在于，具体步骤如下：

(1)按照贝叶斯滤波方法，将k-1时刻目标状态的后验估计均值和方差P_k-1k-1代入反映目标运动规律的状态方程，求出k时刻目标状态x_k的先验估计概率其中P_k-1k-1分别表示先验估计的均值和方差，Z_k-1表示0～k-1时刻目标的雷达观测数据集；

(2)通过随机变量固定点采样非线性变换高斯近似方法将k时刻雷达观测数据z_k转换为目标状态的似然函数其中和分别表示目标状态似然函数对应随机变量的均值和方差；

(3)采用贝叶斯滤波公式p(x_k|Z_k)＝p(z_k|x_k,Z_k-1)p(x_k|Z_k-1)/p(z_k|Z_k-1)将步骤(1)得到的k时刻目标状态的先验估计概率与步骤(2)得到的目标状态的似然函数进行乘积融合，求出k时刻目标状态的后验估计概率其中，为后验估计均值、P_k|k为后验估计方差，p(z_k|Z_k-1)为归一化常数；

(4)将步骤(3)得到的后验估计分布进行储存，并令k＝k+1对下一时刻的目标进行跟踪估计，直至跟踪结束；

所述步骤(2)中，通过随机变量固定点采样非线性变换方法将k时刻雷达观测数据z_k转换为目标状态的似然函数，该随机变量固定点采样非线性变换方法为Unscented变换、Cabuture变换或高斯厄米特数值积分；

所述Unscented变换的具体步骤如下：

3.1根据雷达观测数据z_k和观测噪声协方差R按照Unscented变换规则生成观测sigma点均值权W_i^m、协方差权W_i^c，(i＝0,1,L,2n-1,2n)；

3.2利用反观测函数h^-1(·)计算状态样本点并求出状态似然函数对应随机变量的一、二阶矩:

其中n为量测数据的维度；

所述步骤(3)采用贝叶斯滤波公式进行概率乘积融合时，对低维数据进行扩维处理，扩维时，无信息维度处置0；

所述步骤(3)采用贝叶斯滤波公式p(x_k|Z_k)＝p(z_k|x_k,Z_k-1)p(x_k|Z_k-1)/p(z_k|Z_k-1)将步骤(1)得到的k时刻目标状态的先验估计概率与步骤(2)得到的目标状态的似然函数进行乘积融合，其融合的规则为：

。