[发明专利]一种基于航迹平滑技术的广义标签多伯努利多目标跟踪方法

说明书

一种基于航迹平滑技术的广义标签多伯努利多目标跟踪方法，它属于能信息处理技术领域，主要解决多目标的航迹更新和状态平滑问题。本发明方法在GLMB跟踪算法框架下，更新其提供的多目标航迹，根据航迹量测生成目标状态并平滑。本发明与传统方法相比，提高了在遇到目标量测漏检、伪目标存在的情况下多目标跟踪的精度和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。

技术领域

本发明属于智能信息处理技术领域，涉及多目标航迹更新和状态平滑方法。具体地说是一种基于航迹平滑技术的广义标签多伯努利(GLMB)多目标跟踪方法，可用于导弹防御、战场监视、机器人视觉、空中交通导航与管制、人机交互和医学电子显微等系统中多目标的跟踪。

背景技术

GLMB是近年来最前沿的多目标跟踪框架之一，采用高斯分布来描述目标状态，并设定关联历史空间来描述目标航迹。然而，在遇到目标量测漏检、伪目标存在的情况下，其跟踪结果不稳定，且产生较大误差。

发明内容

针对上述问题，本发明基于状态平滑技术，提出一种基于航迹平滑技术的广义标签多伯努利多目标跟踪方法。实现本发明的关键技术是：基于GLMB跟踪算法，更新其提供的多目标航迹，然后根据航迹量测生成目标状态并平滑，从而有效提高了多目标跟踪的精度和鲁棒性。

一种基于航迹平滑技术的广义标签多伯努利多目标跟踪方法，所述方法包括如下步骤：

步骤1，初始化参数，根据航迹开始和结束的时间间隔以及航迹数量，生成目标航迹量测集，并设辅助随机变量为1；

步骤2，从航迹开始到结束，根据航迹量测生成航迹的目标状态，得到均值和协方差；

步骤3，从航迹开始到航迹结束的前一时刻，平滑航迹的目标状态，得到平滑后的均值和方差；

步骤4，从航迹开始到结束，更新辅助随机变量；

步骤5，根据给定的迭代次数，将步骤2-5的过程迭代相应的次数，进行多目标的跟踪。

进一步地，步骤1中，生成目标航迹量测集为其中，和是航迹l开始和结束的时间间隔，N_traj是航迹数量，表示在k时刻用来更新分量状态的相应量测；若的相应分量是漏检目标，则假定辅助随机变量生成目标航迹量测集的具体步骤如下：

步骤1-1，由GLMB滤波技术的更新步骤可得关联历史空间ξ^(h,t)：

ξ^(h,t):＝(ξ^(h),θ^(h,t,k))

其中，θ^(h,t,k)为k时刻的关联图，保存了航迹与量测的分配关系，ξ^(h,t)保存了所有时间间隔航迹与量测的分配关系；

步骤1-2，提取目标航迹

步骤1-3，辨别筛选目标航迹量测集，剔除伪目标；

当l≥1时，若则表示真实目标的航迹，否则将其作为伪目标去除；其中，N_pse为给定的伪目标临界值，|·|表示集合元素的数量。

进一步地，步骤2中，初始化目标状态参数，生成时刻的状态均值和协方差

其中，Θ(·)表示集合中的第一个非空元素，用来处理GLMB滤波器提供的是一个空集的情况，为GLMB滤波器出生分量的初始误差矩阵；

根据航迹量测生成l航迹的目标状态,得到和