[发明专利]一种基于T分布的鲁棒GLMB多目标跟踪方法

权利要求书

1.一种基于T分布的鲁棒GLMB多目标跟踪方法，其特征在于：所述方法包括如下步骤：

步骤1，令初始时刻k＝0，初始化参数，得到初始分量集；

步骤2，当k≥1帧时，采用TDVB技术更新目标状态；

步骤3，生成量测标签关联概率矩阵η^(h)，通过吉布斯采样生成个量测分量γ^(h,t)；

步骤4，根据量测分量γ^(h,t)，更新初始分量，得到新的分量集；

步骤5，对得到的新的分量集剔除重复分量，并归一化权重，得到权重集；

步骤6，若下一帧观测信息到达，转到步骤2进行迭代；否则，跟踪过程结束。

2.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法，其特征在于：步骤1中，设初始分量集为其中I^(h)为标签集，ω^(h)为权重，p^(h)为目标状态概率密度，H为分量数量；设定参数其中为标签l所对应的新生目标出生概率，为标签l所对应的目标状态概率密度，B₊为新生目标标签集。

3.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法，其特征在于：步骤2中，目标状态概率密度表示为：

其中，St(·)为T分布，J(l)为混合概率密度的分量个数，为分量归一化的权重，为均值，为协方差，v为自由度。

4.根据权利要求3所述的一种基于T分布的鲁棒GLMB多目标跟踪方法，其特征在于：所述步骤2，具体包括如下分步骤：

步骤2-1，以下过程迭代N_ite次，使得λ_k收敛：

其中，

步骤2-2，更新成分权重

其中，P_D是目标检测概率，k(z_k,l)为杂波强度，为量测似然；最后一次迭代得到的与为最终参数，进而更新目标状态概率密度，得到p^(h)(·,l)：

5.根据权利要求1所述的一种基于T分布的鲁棒GLMB多目标跟踪方法，其特征在于：所述步骤3中包括如下分步骤：

步骤3-1，生成量测标签关联概率矩阵η^(h)：

其中，

其中，

其中，P_s(·,l₊)为标签l₊存活概率，P_D,+(·,l₊)为检测概率f₊(x₊|·,l₊)为状态转移函数，g₊(·|·)为量测的似然函数；

步骤3-2，随机生成量测分量γ^(h,1)；

步骤3-3，对于第t个量测分量的第n个标签，生成其对应第j个量测的采样后概率

步骤3-4，存储采样后数组的所有类别，并生成量测分量γ^(h,t)：

γ^(h,t):＝[γ^(h,t),γ_n^(h,t)]

步骤3-5，剔除重复分量，生成量测分量集

其中，Unique返回中的值，没有重复元素；产生的结果向量按升序排序，T^(h)为分量个数。