[发明专利]一种贝叶斯滤波目标跟踪算法

摘要

本发明公开了一种贝叶斯滤波目标跟踪算法，本发明方法第一步，由k‑1时刻的目标状态最优估计通过运动模型得到下一个时刻的目标状态一步预测估计；第二步，由雷达观测站获得k时刻目标的观测值后采用随机变量固定点采样非线性变换方法将目标相对于雷达的距离信息和角度信息转化为目标的笛卡尔坐标位置信息；第三步，将目标状态一步预测先验信息和雷达观测反向估计似然函数两部分信息，通过本发明的概率似然乘积规则进行乘积融合最终得到k时刻目标状态的后验估计，储存目标状态后更新时刻并进入下一轮迭代，本发明具有精度更高、鲁棒性更好、算法结构更简明的特点，在雷达、多传感器、机动和多目标跟踪方面具有很高的实用价值。

主权项

1.一种贝叶斯滤波目标跟踪算法，其特征在于，具体步骤如下：(1)按照贝叶斯滤波方法，将k‑1时刻目标状态的后验估计均值和方差P_k‑1/k‑1代入反映目标运动规律的状态方程，求出k时刻目标状态x_k的先验估计概率其中P_k/k‑1分别表示先验估计的均值和方差，Z_k‑1表示0～k‑1时刻目标的观测数据集；(2)通过随机变量固定点采样非线性变换高斯近似方法将k时刻雷达观测数据z_k转换为目标状态的似然函数其中和分别表示目标状态似然函数对应随机变量的均值和方差；(3)采用贝叶斯滤波公式p(x_k|Z_k)＝p(z_k|x_k,Z_k‑1)p(x_k|Z_k‑1)/p(z_k|Z_k‑1)将步骤(1)得到的k时刻目标状态的先验估计概率与步骤(2)得到的目标状态的似然函数进行乘积融合，求出k时刻目标状态的后验估计概率其中，为后验估计均值、P_k|k为后验估计方差，p(z_k|Z_k‑1)为归一化常数；(4)将步骤(3)得到的后验估计分布进行储存，并令k＝k+1对下一时刻的目标进行跟踪估计，直至跟踪结束。