[发明专利]目标跟踪中基于多模型优化多假设的多目标数据关联方法在审
申请号: | 201910014542.7 | 申请日: | 2019-01-08 |
公开(公告)号: | CN109633589A | 公开(公告)日: | 2019-04-16 |
发明(设计)人: | 张德育;吕艳辉;马琳琳 | 申请(专利权)人: | 沈阳理工大学 |
主分类号: | G01S7/41 | 分类号: | G01S7/41 |
代理公司: | 沈阳东大知识产权代理有限公司 21109 | 代理人: | 李在川 |
地址: | 110159 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 航迹 数据关联 状态估计 多目标 置信度 模型优化 目标跟踪 雷达 滤波器 交互式多模型 目标状态估计 串行结构 概率计算 跟踪算法 雷达处理 模型概率 目标运动 实际目标 速度信息 运动模型 计算量 实时性 跟踪 量测 算法 删除 修正 引入 保留 概率 保证 | ||
1.目标跟踪中基于多模型优化多假设的多目标数据关联方法,其特征在于,包括:
步骤1:判断目标的运动模型;假设目标运动模型间的转换服从Markov过程,将多个运动模型考虑在其中,根据不同运动模型所对应的滤波器对目标的上一时刻的状态估计进行处理,实现目标状态估计的更新;
步骤1.1:对目标状态估计,通过IMM算法中的交互式作用,计算目标的运动模型转换概率,从模型a转移到模型j的转移概率为的计算如下式所示:
步骤1.2:经过交互式作用计算后k时刻模型j的输入为:
其中,为模型j的状态向量,为k-1时刻运动模型为模型j(j=1,2,…,N)的目标状态估计,uk-1(j)为k-1时刻模型j的概率,uk-1|k-1(a|j)为k-1时刻模型j转换为模型a的概率,可以表示为:
其中,为:
k-1时刻模型j的协方差为:
步骤2:对目标的运动模型进行修正,将模型j的状态向量及其协方差Poj(k-1|k-1)与量测向量Z(k)一起作为k时刻模型j的输入值,通过标准卡尔曼滤波器进行计算可获得各模型输出的状态向量和协方差Pj(k|k);
步骤3:目标运动模型可行性计算,假设模型变换服从高斯分布,则模型j的可行性为:
其中为k时刻模型j的可行性,为k时刻模型j的滤波残差,为k时刻模型j的协方差;
步骤4:对目标的运动模型概率更新,模型j的概率更新为:
其中uk(j)为k时刻模型j的概率,C为归一化因子,如下式所示:
步骤5:对目标的运动模型输出,k时刻经过交互式作用处理后的目标状态估计为:
为目标i的状态估计,uk|k(i)为时刻目标的概率;
k时刻经过交互式处理后模型j的协方差为:
uk(j)为k时刻目标对应模型的概率;
步骤6:假设的产生,设Ωk,w是至k时刻第w个雷达的关联假设集合,由Ωk-1,w和最新量测值集合得到Ωk,w,其中跟踪门内的量测值集合为:
其中,Zw(k)为第w个雷达的量测值集合;mk为目标的个数;为k时刻雷达接收到的目标量测;
步骤7:假设的删减,在完成假设产生后,需要对新产生的航迹进行评估,将航迹置信度低的航迹进行删除;航迹置信度Δlk的计算公式为:
其中,Pd为探测到目标的概率,βf为虚警量测的密度空间,M为量测的维数,Pf为虚警量测的概率,d表示量测在跟踪门内,s为跟踪门的面积;
步骤8:关联概率的计算,雷达w与当前雷达收到的量测值有关的事件θw(k)包括:ιw个源于已确认的航迹的量测,vw个源于新产生目标的量测值,Φw个虚警;
对于雷达w的量测值q(i=1,2,…,.mk),定义与事件θw(k)有关的变量:
在事件θw(k)中已经确认的航迹数为:
在事件θw(k)中已经新确认的航迹数为:
在事件θw(k)中虚警的数量为:
Φw=mk-τw-νw (18)
对于雷达w的任一假设的概率计算为:
其中,C为归一化常数因子,为雷达w的虚假量测值数量,为雷达w的新目标数的先验质量函数,V为跟踪门的体积,为雷达w探测的目标t航迹的探测概率,为雷达w与目标关联量测的高斯分布;
步骤9:串行化处理,通过选用零扫描法,选择可能性最大的数据关联假设,来对多目标进行状态估计,将原算法中选用的卡尔曼滤波算法改为IMM算法来进行状态估计,这样更符合目标的实际运动状态;选择最大可能的数据关联假设,并增大相应的协方差矩阵,从而将相应的误相关考虑其中;最后通过关联概率的计算,求出每一个事件的概率,然后估计每一个目标的状态;每个雷达将上一个雷达的状态估计作为中间值进行状态更新,直至将w个雷达的量测值处理完成得到最终的状态估计。
2.根据权利要求1所述目标跟踪中基于多模型优化多假设的多目标数据关联方法,其特征在于,所述步骤7的具体步骤包括:
步骤7.1:累计航迹置信度lk的计算,如果雷达每次扫描是独立的,式(12)的计算结果是单次扫描结果,那么经过k次扫描所得的累计航迹置信度lk可以表示为:
其中,l1为新航迹的初始置信度;
通过累计航迹置信度的设置,可以对目标的航迹进行确认和删除,从而实现对假设的删减,删减的规则如下所示:
其中,Td为删除航迹的阈值,Ta为确认航迹的阈值,阈值的设定可以根据现场环境的需要而设定;
步骤7.2:计算径向速度的置信度参数;径向速度的大小与k-1时刻到k时刻目标移动距离的大小满足:
其中,rk-rk-1为k-1时刻到k时刻目标移动的距离,tk-tk-1为k-1时刻到k时刻所经历的时间,dk为k时刻目标的径向速度,为径向速度的平均值;
由此得到基于径向速度的置信度参数的判断公式:
其中,c为常数;
步骤7.3:当判断关联假设集是否为新目标航迹的时候,将连续三次扫描的结果进行判断,通过Δrd可以判断三次连续的扫描结果是否为同一目标的量测值,如果通过判断符合航迹起始的条件,那么保留该假设,否则对假设进行删除。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈阳理工大学,未经沈阳理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910014542.7/1.html,转载请声明来源钻瓜专利网。