[发明专利]一种基于变分贝叶斯多传感器量化融合目标跟踪方法

摘要

本发明涉及一种基于变分贝叶斯方法和强跟踪信息滤波的多传感器量化融合目标跟踪方法。本发明设计了一种主次处理机结构，在主处理机中构造增强测量矩阵H_k和增强全局消息z_υ,k；计算一步预测和相应协方差P_k|k-1；计算全局消息预测z_k|k-1；将z_υ,k,l，P_k|k-1送至次处理机。在次处理机中，计算消息噪声方差并将送至主处理机，在主处理机中即可计算得到融合估计和相应协方差P_k|k。本发明使用变分贝叶斯方法的自适应强跟踪信息滤波方法不仅具有强跟踪能力，还能估计量测噪声的未知方差，实现了自适应功能。同时，衰减系数可以通过迭代的方法估计出来，而无需计算雅可比矩阵。

主权项

1.一种基于变分贝叶斯多传感器量化融合目标跟踪方法，其特征在于该方法包括以下步骤：A）主处理机1）假定k-1时刻的状态融合估计为及其协方差为P_k-1|k-1；已知每个传感器的参数H_k,l和R_k,l，即可构造增强测量矩阵H_k，l＝1,2,…,N；2）融合中心接收到每个传感器的量化消息z_υ,k,l，并构成增强全局消息z_υ,k；3）计算全局状态的一步预测并计算带有衰退因子λ_k的相应预测误差协方差P_k|k-1；4）计算全局消息预测z_k|k-1，及参数r_k和λ_k；5）将z_υ,k,l，P_k|k-1送至次处理机；B）第l个次处理机6）计算第l个消息噪声方差的参数预测值α_k|k-1,l＝ρ_k,l·α_k-1,l，β_k|k-1,l＝ρ_k,l·β_k-1,l7）α_k,l＝1/2+α_k|k-1,l，初始化和j＝0，开始迭代估计R_v,k,l；8）迭代估计R^υ,k,lj,j=1,2,···,N1]]>R^υ,k,lj=diag(βa,k,lj·/αk,l)=diag{(σ^k,l1,j)2(σ^k,l2,j)2···(σ^k,lpl,j)2}]]>9）用代替完成步骤7，得到有效的10）用单一量化消息z_υ,k,l计算局部估计值及其协方差x^k|k.lj+1=Pk|k.lj+1y^k|k,lj+1,Pk|kj+1=(Yk|kj+1)-1]]>Yk|k,lj+1=Yk|k-1+Hk,lT(Rυ,k,lj)-1Hk,ly^k|k,lj+1=y^k|k-1+Hk,lT(Rυ,k,lj)-1zυ,k,l]]>11）如果j＜N1，有βa,k,lj+1=βk|k-1,l+(zυ,k,l-Hk,lx^k|k,lj+1)2/2+diag(Hk,lPk|k,lj+1Hk,lT)/2]]>令j＝j+1并转至步骤8，否则当j＝N1，令并转至步骤12；12）将送至主处理机C）主处理机主处理机接收到每个次处理机送来的即可计算全局估计及相应估计误差协方差：Yk|k=Yk|k-1+Σl=1NHk,lTR^υ,k,l-1Hk,ly^k|k=y^k|k-1+Σl=1NHk,lTR^υ,k,l-1zυ,k,l]]>则在k时刻即可得到基于全局信息融合估计值及相应协方差P_k|k。