[发明专利]变分贝叶斯概率假设密度多目标跟踪方法

摘要

本发明公开了一种基于变分贝叶斯近似的概率假设密度多目标跟踪方法，它属于制导和智能信息处理技术领域，主要解决现有随机集滤波方法难以实现未知量测噪声环境下的变数目多目标跟踪问题。该方法通过引入变分贝叶斯近似技术，联合估计目标状态和量测噪声协方差的后验概率假设密度，并采用高斯混合逆伽马分布递推闭合解，从而实现未知量测噪声环境下数目变化的多目标跟踪，且具有良好的跟踪效果和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。

主权项

1.基于变分贝叶斯近似的概率假设密度多目标跟踪方法，包括：(1)初始化目标状态和量测噪声协方差的联合后验概率假设密度v₀(x，R)：v0(x,R)≈Σi=1J0[w0(i)N(x;m0(i),P0(i))∏l=1dIG((σ0,l(i))2;α0,li,β0,l(i))]]]>其中，和为第i个高斯分量参数，J₀为高斯分量个数；IG(·；)表示逆伽马分布，表示量测噪声标准差，和为逆伽马分布的两个参数；(2)当k≥1，预测目标状态和量测噪声协方差的联合概率假设密度：v_k|k-1(x，R)＝v_S，k|k-1(x，R)+b_k|k-1(x，R)+γ_k(x，R)其中，v_S，k|k-1(x，R)为生存目标状态和量测噪声协方差的联合预测概率假设密度，b_k|k-1(x，R)和γ_k(x，R)分别表示衍生目标和新生目标的联合预测概率假设密度；(3)更新目标状态和量测噪声协方差的联合概率假设密度v_k|k(x，R)：(3a)设定逆伽马分布参数：αk,l(j)=0.5+αk|k-1,l(j),]]>βk,l(j)(0)=βk|k-1,l(j),]]>其中l＝1，K，d，d表示量测噪声协方差R的维度；(3b)计算量测噪声协方差n＝1，L，N表示迭代次序，N表示最大迭代次数；(3c)如n≤N，更新计算目标状态和协方差矩阵并判断是否小于很小的常量ε，如果小于ε，停止迭代；否则，更新参数返回步骤(3b)；(4)修剪和融合高斯-逆伽马混合分量；(5)计算目标数目，提取多目标状态：(5a)根据权值计算目标数，即(5b)提取权值大于0.5的高斯-逆伽马分量作为目标状态。