[发明专利]一种基于自适应转移概率矩阵的交互多模型跟踪方法

摘要

本发明涉及一种基于自适应转移概率矩阵的交互多模型跟踪方法，包括以下步骤：首先计算状态估计的交互作用，然后通过卡尔曼滤波或粒子滤波，获得各模型的输出，进而更新模型概率，输出结果，根据模型概率的变化，自适应调节状态转移概率，用于下一时刻跟踪。本发明避免模型的转移概率是先验给定，根据模型概率的变化，自适应调节状态转移概率；本发明可以对目标进行稳定的跟踪，获取目标的准确轨迹，判断目标的运动趋势；本发明提升雷达的跟踪性能。

主权项

一种基于自适应转移概率矩阵的交互多模型跟踪方法，其特征在于，包括以下步骤：步骤1：计算k‑1时刻目标运动模型的状态向量及其方差P^oj(k‑1|k‑1)；步骤2：将状态向量及其方差P^oj(k‑1|k‑1)与观测值Z(k)作为k时刻第j个模型的输入值，通过卡尔曼滤波或粒子滤波进行计算，获得各模型的输出P^j(k|k)、滤波残差v_j(k)以及相应的协方差S_j(k)；步骤3：模型M_j的似然函数为：${\mathrm{\Λ}}_j\left(k\right)=\frac{1}{\sqrt{\left|2\mathrm{\π}{S}_j\left(k\right)\right|}}\exp [-\frac{1}{2}\left(v_j{\left(k\right)}^T{S}_j{\left(k\right)}^{-1}{v}_j\left(k\right)\right)]---\left(4\right)$其中，v_j(k)为模型M_j的滤波残差，S_j(k)为相应的协方差；目标按照模型M_j运动的概率更新为：$u_j\left(k\right)=\frac{1}{C}{\mathrm{\Λ}}_j\left(k\right){\stackrel{\‾}{C}}_j---\left(5\right)$其中，$C=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\Λ}}_i\left(k\right){\stackrel{\‾}{C}}_i---\left(6\right)$步骤4：根据步骤3中更新的模型概率，输出k时刻的交互输出；步骤5：自适应计算转移概率：模型概率变化满足Δμ(k)＝μ₁(k)‑μ₁(k‑1)＝‑(μ₂(k)‑μ₂(k‑1))，通过设置的门限进行自适应判断，计算k时刻目标运动模型的状态转移矩阵P_t(k)。