[发明专利]基于马尔科夫链蒙特卡洛粒子滤波的目标跟踪方法

摘要

本发明提供的是一种基于马尔科夫链蒙特卡洛粒子滤波的目标跟踪方法：1、初始时刻，由初始分布中得到一组初始粒子，并设置其初始的均值和方差；2、重要性采样；3、权值更新；4、得到归一化的权值；5、再采样；6、引入MCMC移动步骤；7、状态更新。本发明通过MCMC移动步骤，将粒子推向先验分布和后验分布都较大的区域，改善粒子多样性，在一定程度上抑制样本贫化问题。样本贫化问题的解决使得算法再采样的效果得到保证，进而可以提高滤波的精度。MCMC移动步骤比较容易实现，因此可以与其它改进步骤结合运用对粒子滤波进行优化。MCMC步骤的加入增加了滤波方法的运算量，但另一方面降低了精确估计所需要的粒子数，提高了滤波的效率。

主权项

1.一种基于马尔可夫链蒙特卡罗粒子滤波的目标跟踪方法，其特征是主要包括如下步骤：第一步，初始时刻，由初始分布p(x₀)中得到一组初始粒子，并设置其初始的均值和方差；第二步，重要性采样(1)根据标准无迹粒子滤波算法以及基于超球面采样的无迹粒子滤波对粒子的状态进行更新；或采取混合建议分布，即一部分粒子通过标准无迹粒子滤波或算法以及基于超球面采样的无迹粒子滤得到，剩余部分由先验分布产生；(2)求粒子集的均值和方差P_kⁱ；(3)从重要性密度函数中抽取粒子；第三步，权值更新wki=wk-1ip(yk|xki)p(xki|xk-1i)π(xki|xk-1i,y1:k)]]>上式中，w_kⁱ为粒子对应的权值，p(·|·)为概率密度函数，重要性概率密度函数为由均值和方差得到的建议分布；第四步，得到归一化的权值w~ki=wikΣj=1Nwkj;]]>第五步，再采样：定义阈值N_eff来衡量有效粒子数量，N_thr为有效粒子数，如N_eff＜N_thr，即对粒子集重新采样，产生新的集合{x_kⁱ，i＝1，...，N}，重新设定粒子的权值为：w_kⁱ＝1/N，N为粒子数；第六步，引入马尔科夫链蒙特卡洛移动步骤；第七步，状态更新：x(k|k)=Σi=1Nxkiwki.]]>