[发明专利]一种解决分布式标签融合的多目标跟踪方法

说明书

本发明涉及一种解决分布式标签融合的多目标跟踪方法，解决的是标签不统一信息融合差的技术问题，通过采用步骤一，在各个局部传感器上单独运行标签多伯努利滤波器得到局部估计的LMB后验信息，对局部信息设置阈值进行LMB后验修剪截断操作以减少计算复杂度；步骤二，针对各传感器后验标签不一致进行标签匹配从而使得标签一致化；步骤三，共享各传感器与相邻传感器的信息，对共享信息按照标签的方式进行算术平均融合；步骤四，根据融合结果进行目标状态和目标航迹提取的技术方案，较好的解决了该问题，可用于分布式多传感器多目标检测与跟踪中。

技术领域

本发明涉及分布式多传感器多目标检测与跟踪领域，具体涉及一种解决分布式标签融合的多目标跟踪方法。

背景技术

在基于随机有限集(RFS)的基础上发展了一系列滤波器进行多目标跟踪，能有效地解决复杂的数据关联问题，并能有效地进行目标状态估计，但是却不能估计目标的轨迹。因此，2014年BaBgu Vo团队在RFS基础上引入了标签概念，从而提出标签随机有限集(LRFS)理论。在此基础上，相继提出了广义标签多伯努利(GLMB)滤波器,δ-广义标签多伯努利(δ-GLMB)滤波器和标签多伯努利(LMB)滤波器，这不仅继承了对多目标状态和数目的优良估计性能，而且实现了对目标航迹的输出。但在分布式传感网中，如何有效融合各传感器之间的信息是一个关键问题，并且在进行分布式标签融合时各传感器标签不一致也是一个关键挑战。

本发明提出了一种新的基于标签匹配的分布式标签多伯努利算术平均融合估计方法，首先在各个局部传感器上单独运行LMB滤波器得到局部估计的LMB后验信息，并对局部信息设置阈值进行修剪截断以减少计算复杂度。然后针对各传感器存在标签不一致问题进行标签匹配进行标签一致化。随后各传感器与相邻传感器进行信息共享，并对共享信息按照标签的方式进行算术平均融合。最后根据融合结果进行目标状态和目标航迹提取。根据仿真实验可以看出，本发明方法能有效的进行目标状态和目标轨迹估计。

发明内容

本发明所要解决的技术问题是现有技术中存在的不能有效融合各传感器之间信息、各传感器标签不一致的技术问题。提供一种新的解决分布式标签融合的多目标跟踪方法，该解决分布式标签融合的多目标跟踪方法具有效的进行目标状态和目标轨迹估计的特点。

为解决上述技术问题，采用的技术方案如下：

一种解决分布式标签融合的多目标跟踪方法，所述多目标跟踪方法基于包括：

步骤一，在各个局部传感器上单独运行LMB滤波器得到局部估计的LMB后验信息，对局部信息设置阈值进行修剪截断用于减少计算复杂度；

步骤二，针对各传感器标签通过标签匹配进行标签一致化；

步骤三，共享各传感器与相邻传感器的LMB后验信息，并对共享后的信息按照标签的方式进行算术平均融合；

步骤四，根据融合结果进行目标状态和目标航迹提取。

上述方案中，为优化，进一步地，步骤一包括：

步骤1.1：初始化系统参数，包括系统包含的传感器数目S，各传感器位置P_m＝(x_m,y_m),m＝1,…,S，跟踪场景平面大小N_x×N_y，算法联合处理周期k，目标新生先验信息M_b为目标新生个数，为新生目标状态向量，为新生目标的存在概率，为新生目标的空间分布函数，初始化变量k＝1；

步骤1.2：各传感器接收跟踪场景内的量测数据Z_k＝{Z_1,k,Z_2,k,…,Z_S,k}；

其中，s＝1,…,S，表示k时刻第s个传感器上的量测，m_s为第s个传感器检测到量测个数；