[发明专利]一种鲁棒在线多传感器融合的目标跟踪方法

权利要求书

1.一种鲁棒在线多传感器融合的目标跟踪方法，其特征在于，包括如下步骤：

步骤1：建立多传感器系统融合模型，设置目标状态转移矩阵F，过程噪声协方差矩阵Q，传感器s的量测矩阵H^s，其中1≤s≤N_s，N_s为传感器总数，将传感器的量测矩阵组成融合的量测矩阵

步骤2：初始化目标的状态及分布参数，在k＝0时刻，初始化目标状态分布为其中表示高斯分布，初始化均值和协方差矩阵P_0|0；

步骤3：融合多传感器采集的量测数据，在k时刻(k≥1)，将多个传感器的测量组成融合测量z_k，其中表示传感器s在k时刻采集的目标量测信息，1≤s≤N_s，z_k＝Hx_k+P_k，P_k为未知且随时间变化的非高斯分布测量噪声；

步骤4：预测目标的状态分布，融合中心利用卡尔曼滤波器预测目标的状态分布其中和P_k|k-1分别表示由k-1时刻预测的k时刻目标状态及相应的误差协方差矩阵；

步骤5：初始化变分参数及迭代次数，初始化k时刻量测噪声参数∑_k的逆威沙特分布的参数量测噪声参数r_k的广义逆高斯分布的参数初始化迭代次数l＝1和最大迭代次数N；

步骤6：计算目标状态x_k的变分后验分布，根据变分贝叶斯框架，基于k时刻的融合测量z_k，计算第l次迭代目标状态x_k的变分后验分布

步骤7：计算噪声参数∑_k的变分后验分布，计算第l次迭代量测噪声参数∑_k的变分后验分布其中表示参数为的逆威沙特分布，计算∑_k及的数学期望E[∑_k]^(l)和

步骤8：计算噪声参数r_k的变分后验分布，计算第l次迭代量测噪声参数r_k的变分后验分布其中表示参数为的广义逆高斯分布，计算r_k及的数学期望E[r_k]^(l)和

步骤9：判定迭代次数l是否大于最大迭代次数N，当l＜N时，更新l←l+1，执行步骤6；否则，转到步骤10；

步骤10：判定是否存在下一时刻，更新输出k时刻的目标状态及相应的误差协方差矩阵P_k|k，更新k←k+1，转到步骤3。

2.根据权利要求1所述的鲁棒在线多传感器融合的目标跟踪方法，其特征在于，所述步骤4融合中心利用卡尔曼滤波器预测k时刻目标的状态分布包括：

P_k|k-1＝FP_k-1|k-1F^T+Q

其中为k-1时刻更新后的目标的状态，为k时刻预测的目标运动状态，P_k-1|k-1为k-1时刻更新后的目标状态误差协方差矩阵，P_k|k-1为k时刻预测的目标状态误差协方差矩阵。

3.根据权利要求2所述的鲁棒在线多传感器融合的目标跟踪方法，其特征在于，所述步骤6计算第l次迭代目标状态x_k的变分后验分布的参数和

S_k＝HP_k|k-1H^T+(E[r_k]^(l-1)E[∑_k]^(l-1))

K_k＝P_k|k-1H^T(S_k)^-1

其中E[r_k]^(l-1)，E[∑_k]^(l-1)分别为r_k和∑_k在第l-1次迭代的数学期望，K_k为卡尔曼增益，和分别为k时刻经过l次迭代后目标的状态和误差协方差矩阵。