[发明专利]一种测量数据丢失情况下的多目标跟踪方法

摘要

本发明公开了一种测量数据丢失情况下的多目标跟踪方法，包括以下步骤：初始化目标状态集的概率假设密度和势分布；预测目标状态集的概率假设密度和势分布；更新转换量测的偏差矩阵和协方差矩阵；引入比例因子，改变增益矩阵；对目标强度函数的权值采用椭球门限，去除不相干量测；修剪合并，提取目标状态；判断目标是否存在：如果存在返回预测目标状态集的概率假设密度和势分布，如果不存在则结束目标跟踪。本发明在CPHD滤波器的更新过程引入比例因子调节滤波器增益矩阵，从而提高滤波器的鲁棒性；然后利用自适应门限对量测集合进行简化，减小当前观测集中的观测数目，去掉所有和已知被探测目标不相关的量测数据，最终减小了计算量。

主权项

1.一种测量数据丢失情况下的多目标跟踪方法，其特征在于，包括以下步骤：步骤1，对于多目标跟踪，目标状态集X_k＝{x_k,1,…,x_k,m(k)}，其中目标状态包括位置、速度、加速度，m(k)是目标状态向量个数，下标k表示k时刻；目标状态随机有限集Ξ_k＝S_k(X_k‑1)∪N_k(X_k‑1)，其中S_k(X_k‑1)、N_k(X_k‑1)分别为原保存和新产生的目标随机有限集；k时刻新生目标强度函数其中分别代表第i个新生目标的权值、均值和协方差矩阵，J_γ,k为新生目标的总数；真实目标和杂波源的新生概率假设密度为势分布为步骤2，初始化初始目标的概率假设密度D₀(x)及势分布p₀(n)；步骤3，预测：对目标状态集X_k在k+1时刻的概率假设密度及势分布进行预测，k≥1，得到k+1时刻的概率假设密度D_k+1|k(x)及势分布p_k+1|k(n)；步骤4，更新：对目标状态集X_k在k+1时刻的概率假设密度及势分布进行更新，k≥1，得到此时刻的概率假设密度及势分布D_k+1(x)、p_k+1(n)；步骤5，修剪合并：对目标集强度函数υ_k+1(x)的高斯项进行修剪合并，提取目标状态估计进行性能评估；步骤6，重复步骤3～5，对目标进行跟踪直至目标消失；步骤4所述对目标状态集X_k在k+1时刻的概率假设密度及势分布进行更新，k≥1，得到此时刻的概率假设密度及势分布D_k+1(x)、p_k+1(n)，包括对真实协方差矩阵和真实偏差进行无偏转换并解耦合；分析雷达多普勒频移背景下的传感器测量数据丢失现象，引入比例因子调节系统增益矩阵；设置自适应门限对量测集合进行简化，减小当前观测集中的观测维数M，具体如下：(4.1)真实协方差矩阵和真实偏差中添加偏差补偿因子，进行无偏估计并解耦合，得到改进的和代入更新方程；μ＝[μ^x,μ^y,μ^z]^T其中，μ^x、μ^y、μ^z分别为偏差μ在x、y、z轴上的投影，为协方差矩阵中的量；噪声协方差矩阵是一个3×3的对称矩阵，其中非对角线上的元素R_xy,R_yz,R_xz代表x,y,z轴的噪声耦合相，在协方差矩阵中，相对于主对角线上的元素R_xx,R_yy,R_zz，忽略非对角线上元素的影响，具体解耦细节如下：在笛卡尔坐标系上，噪声协方差矩阵R描述为；R_new＝M'RM'^T其中，M'是转移矩阵；此时，转换后的噪声协方差矩阵R_new写成：R_new＝diag(R_xx,R_yy,R_zz)(4.2)首先，定义量测误差向量e(k+1)：其中，y(k+1)是第k+1时刻的目标笛卡尔坐标系下的量测值，是第k+1时刻的预测值；然后，在增益矩阵求取公式中添加一个n维方阵S(k)用来调节GM‑CPHD滤波器的增益矩阵，得：E(k+1)＝H(k+1)P(k+1|k)H^T(k+1)+(S(k)‑I)R₀(k+1)+R(k+1)其中，I是单位阵，R₀(k+1)是对角阵，且对角元素的取值为平均真实偏差R(k+1)的对角元素，H为观测矩阵；设增益调节矩阵为S^*(k)，用来调节增益矩阵，求取公式如下：S_ii(k)是S(k)的i行i列元素，即S(k)对角线上的第i个元素；(4.3)设置自适应门限去掉所有和已知被探测目标不相关的量测数据，设γ为自适应跟踪门限的大小，观测维数M，残差协方差矩阵S(k)，此时门限γ满足：其中，P_D为检测概率，β为新源密度；根据公式，门限γ与残差协方差矩阵S(k)有关，而S(k)是一个与目标状态集有关的变量。