[发明专利]面向监视系统的机动目标跟踪方法

权利要求书

1.一种面向监视系统的机动目标跟踪方法，其特征在于包含以下步骤：

S1、构建机动目标运动模型,估计目标的运动状态；

S2、建立时刻t的目标关联假设集合Ω^t，目标关联假设集合Ω^t包含目标的运动状态和观测之间可能的关联组合及各目标的运动状态的集合；

S3、根据上一个时刻t-1目标关联假设集合Ω^t-1及与各目标对应的运动状态集合，遍历目标关联假设集合中的每一个目标，利用卡尔曼滤波器计算各目标当前时刻t的运动状态的各种可能运动模式；

S4、根据S3已经得到的每个目标的运动状态的可能运动模式和当前时刻落入跟踪门的量测集，构造量测-目标分配矩阵，计算和保留前K个置信度最高的目标关联假设，更新目标关联假设集合中的目标和观测之间可能的关联假设；

S5、基于当前时刻目标关联假设集合及与各目标对应的运动状态集合采用卡尔曼滤波器方法更新各目标对应的运动状态集合。

2.根据权利要求1所述的一种面向监视系统的机动目标跟踪方法，其特征在于机动目标运动模型由系统状态空间方程、观测方程和机动状态生成过程三部分组成；

系统状态空间方程表征了机动目标运动状态的变化情况：

x_tm＝Ax_t-1,m+Bu_tm(z_tm)+w_tm；

观测方程表征了可观测的机动目标运动状态：

y_tm＝Cx_tm+v_tm；

机动状态生成过程表征机动目标的机动状态：

β～GEM(γ)

π_km～DP(α,β)

其中：x_tm代表第m个目标时刻t的运动状态估计；x_t-1,m代表第m个目标时刻t-1的运动状态估计；z_tm是第m个目标时刻t的运动模式；u_tm是时刻t第m个目标的不可观测控制输入，服从高斯分布u_tm～N(μ_k,∑_k)，μ_k是u_tm的均值，∑_k是u_tm的协方差矩阵；θ_k＝{μ_k,∑_k}是第k个机动运动模式的分布参数，这里假设是θ_k的共轭先验分布是高斯逆韦斯特分布NIW{κ,θ,v,Δ}，κ是μ_k的均值，θ表达了对该均值的信任程度；Δ是∑_k的均值，v表达了对该均值的信任程度；A是目标的状态转移矩阵、B是目标的控制矩阵、C是目标的观测矩阵，y_t为时刻t的量测集合；

系统状态空间方程的过程噪声w_tm服从N(0,Q)分布，观测方程的量测噪声v_tm服从N(0,R)分布，Q是过程噪声的协方差矩阵，R是观测噪声的协方差矩阵；concentration参数为α和γ，基础测度为β的HDP模型；π_km为系统各运动模式z_tm的变迁概率密度；β由concentration参数为γ的折棍过程生成；由于运动模式z_tm无限并且相关，故即当前时刻运动模式z_tm取决于上一时刻t-1的变迁概率密度

已知当前运动模式z_tm后，未知的控制输入u_tm采样自第z_tm个高斯分布；最后，通过u_tm来激励机动目标运动状态，通过可观测的y_tm实现对目标的运动状态的估计。