[发明专利]基于分层粒子滤波的被动多传感器目标跟踪方法

摘要

本发明公开了一种基于分层粒子滤波的被动多传感器目标跟踪方法。该方法通过重写对数极坐标系下的系统方程并添加表示过程噪声强度与径向距离比值的辅助参量，构造包含方位角、方位角变化率、对数径向距离变化率及辅助参量的子状态和包含对数径向距离的子状态ψ，以实现分层滤波的结构，其中第一层根据各传感器的观测信息，利用序贯重要性采样方法更新，第二层利用中的辅助参量，迭代更新ψ，合并得到目标状态的估计，最后根据最优信息融合方法，给出目标状态的融合输出结果。利用分层粒子滤波的方法，可实时估计出辅助参量的值，避免滤波过程中使用过程噪声强度最大值引入的误差，能够有效解决过程噪声强度未知和距离不可测情况下的目标跟踪问题。

主权项

1.一种基于分层粒子滤波的被动多传感器目标跟踪方法，包括如下步骤：(1)令初始时刻k＝0，首先根据目标状态的初始分布，为各传感器模块产生N个初始样本粒子i＝1，…N，l＝1，…L，其中，i和l分别表示样本粒子和传感器的序号，(x_k，l⁽ⁱ⁾，y_k，l⁽ⁱ⁾)和分别表示k时刻第l个传感器第i个样本粒子的目标位置和速度，其次初始化各传感器模块的辅助参量μ_k，l⁽ⁱ⁾，其表示k时刻第l个传感器第i个样本粒子的过程噪声强度与径向距离的比值；(2)通过坐标变换公式，将各样本粒子表示的目标状态x_k，l⁽ⁱ⁾从笛卡尔坐标系变换到对数极坐标系，用表示，其中β_k，l⁽ⁱ⁾、ρ_k，l⁽ⁱ⁾、和分别表示对数极坐标系下k时刻第l个传感器第i个样本粒子所表示目标状态的方位角、对数径向距离、方位角变化率和对数径向距离变化率；(3)根据对数极坐标系下的系统方程，构造包含方位角、方位角变化率、对数径向距离变化率及辅助参量的子状态和包含对数径向距离的子状态(4)根据各传感器的观测z_k+1，l，利用分层粒子滤波算法得到各子状态的估计值。首先利用重要性采样方法得到的预测估计值以及各粒子对应的归一化权值w_k+1，l⁽ⁱ⁾，其次根据辅助参量的预测估计值得到ψ_k，l⁽ⁱ⁾的预测估计值最后利用重采样算法得到用于下步迭代所需的各子状态的粒子集合并给每一个粒子赋予相同的权值1/N，其中和表示k+1时刻子状态的估计值；(5)根据子状态的估计值和ψ_k+1，l⁽ⁱ⁾，合并得到对数极坐标系下目标状态的估计值(6)通过坐标反变换公式，把对数极坐标系下的目标状态y_k+1，l⁽ⁱ⁾变换到笛卡尔坐标系下，用x_k+1，l⁽ⁱ⁾表示；(7)利用均值和协方差计算公式得到目标状态x_k+1，l和协方差P_k+1，l；(8)根据最优信息融合方法，得到融合后的目标状态x_k+1和协方差P_k+1；(9)输出目标跟踪结果，若下一时刻观测信息到达，转到步骤(4)进行迭代；否则，目标跟踪过程结束。