[发明专利]一种快速多传感器集势概率假设密度滤波方法

说明书

本发明属于雷达跟踪领域，目的在于提供一种快速多传感器集势概率假设密度滤波方法，并使用高斯混合技术进行实现。该方法通过构建简化处理后的权重矩阵和代价矩阵，减少了后续量测分组中可能的分组数，避免了分组过程中可能出现的重复问题，极大地提高了算法效率，同时也提升了跟踪性能，获得较传统方法更加稳定准确的目标状态和目标数估计，具有很好的工程应用前景。

技术领域

本发明涉及目标跟踪技术领域，具体地，涉及一种快速多传感器集势概率假设密度(Fast Multisensor Cardinalized Probability Hypothesis Density，FMS-CPHD)滤波方法。

背景技术

随着目标跟踪场景越发复杂，对目标跟踪技术的要求也在不断提升，单传感器性能往往无法满足需求，多传感器协同跟踪成为当前监视场景的普遍需求。相对于单传感器跟踪，多传感器跟踪最大的问题就是耗时长，时效性差，当跟踪环境比较复杂时可能无法满足实时性要求。同时，多传感器跟踪还存在跟踪性能不稳定，跟踪性能不能保证比其中某一个传感器性能更好等情况。

集中式多传感器融合跟踪可以保证跟踪性能较任意单传感器更好，跟踪性能有保证，但是存在计算复杂度高，计算效率低的情况。基于随机有限集(Random Finite Set，RFS)理论的多传感器集势概率假设密度(Multisensor Cardinalized ProbabilityHypothesis Density，MS-CPHD)滤波器是一种集中式多传感器融合跟踪方法，具有较好的跟踪性能，但是计算复杂度太高，实时性差，而且存在性能不稳定的情况，因此很难在工程实践中获得应用。

发明内容

本发明的目的在于提供一种快速多传感器集势概率假设密度(FMS-CPHD)滤波方法，并使用高斯混合技术进行实现。该方法通过构建简化处理后的权重矩阵和代价矩阵，减少了后续量测分组中可能的分组数，避免了分组过程中出现的重复问题，极大地提高了算法效率，同时也提升了跟踪性能，获得较传统方法更加稳定准确的目标状态和目标数估计。

实现本发明目的的技术解决方案为：一种快速多传感器集势概率假设密度滤波方法，包括以下步骤：

先给出统一的符号定义：(·)_k表示k时刻的值，则(·)₀表示初始值，(·)_k|k1表示k-1时刻对k时刻的预测值，(·)⁽ⁱ⁾表示与索引号为i的高斯分量有关的物理量，(·)^γ表示与传感器γ有关的物理量，(·)^l表示与目标航迹l有关的物理量；

再给出高斯分量的定义：表示k时刻索引号为i的高斯分量，其权重为均值为协方差为被标签标记；索引号i∈{1，2，…，I_k}，其中I_k表示k时刻高斯分量的数量；标签其中表示k时刻的标签数(目标数)，被同一个标签标记的高斯分量认为来自同一个目标航迹；

S1，场景中总共有Υ个传感器，传感器编号γ∈{1，2，...，}；设初始时刻k＝0，初始化势分布(目标数分布)ρ₀(n)和概率假设密度D₀(x)，具体为：

初始化势分布为ρ₀(n)，其中n表示目标数为n且n∈{0，1，…，N_max}，N_max为最大可能目标数；ρ₀(n)可以根据情况选择合适分布，这里选择使用二项分布：

其中C表示组合数符号，r为目标出现概率；

初始化概率假设密度D₀(x)的形式为：