基于自適應(yīng)新生目標(biāo)強(qiáng)度的濾波算法
【專利摘要】本發(fā)明公開了一種基于自適應(yīng)新生目標(biāo)強(qiáng)度的概率假設(shè)密度濾波算法，包括以下步驟：航跡起始以及航跡確認(rèn)操作；根據(jù)確認(rèn)航跡的起始位置信息構(gòu)造新生目標(biāo)隨機(jī)集的強(qiáng)度函數(shù)；合并當(dāng)前幀構(gòu)建的新生目標(biāo)強(qiáng)度函數(shù)與前一時(shí)刻已知的新生目標(biāo)強(qiáng)度函數(shù)產(chǎn)生該當(dāng)前幀自適應(yīng)新生目標(biāo)強(qiáng)度函數(shù)；使用自適應(yīng)新生目標(biāo)強(qiáng)度函數(shù)啟動(dòng)PHD濾波器，從而完成PHD濾波器的預(yù)測(cè)以及更新；多目標(biāo)狀態(tài)抽取。本發(fā)明提出一種具有自適應(yīng)新生目標(biāo)強(qiáng)度的貝葉斯多目標(biāo)跟蹤方法，完全不需要先驗(yàn)信息，僅根據(jù)量測(cè)信息來(lái)構(gòu)造新生目標(biāo)強(qiáng)度函數(shù)。解決了原PHD濾波器缺少新生目標(biāo)跟蹤功能的問題。該算法具有能夠很好地跟蹤位置未知的新生目標(biāo)，從而提高了PHD濾波器的應(yīng)用范圍和魯棒性等優(yōu)點(diǎn)。
【專利說明】基于自適應(yīng)新生目標(biāo)強(qiáng)度的濾波算法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及的是一種目標(biāo)跟蹤領(lǐng)域的算法，具體是基于自適應(yīng)新生目標(biāo)強(qiáng)度的概 率假設(shè)密度濾波算法。 技術(shù)背景
[0002] 多目標(biāo)跟蹤問題在軍事和民用方面都有著十分廣泛的應(yīng)用，如在軍事方面的空中 預(yù)警、空中攻擊（多目標(biāo)攻擊）等，民用方面包括空中交通管制等多目標(biāo)跟蹤。在軍事上的 應(yīng)用受到了各國(guó)廣泛重視。多目標(biāo)跟蹤（MTT)的目的是從包含有雜波的量測(cè)集合中估計(jì)出 多目標(biāo)的數(shù)目和狀態(tài)。傳統(tǒng)多目標(biāo)跟蹤算法建立在數(shù)據(jù)關(guān)聯(lián)值ata Association)技術(shù)的 基礎(chǔ)之上，旨在把多目標(biāo)跟蹤問題解禪為多個(gè)單目標(biāo)的跟蹤問題。然而，數(shù)據(jù)關(guān)聯(lián)技術(shù)的求 解算法存在組合爆炸，因而限制了該類算法的實(shí)際應(yīng)用。近年來(lái)，基于隨機(jī)有限集的多目標(biāo) 跟蹤方法取得了巨大突破，并得到了廣泛的關(guān)注。
[0003] 基于隨機(jī)有限集的跟蹤算法把多目標(biāo)跟蹤問題描述為多目標(biāo)貝葉斯濾波，該多目 標(biāo)貝葉斯濾波器通過預(yù)測(cè)與修正兩個(gè)步驟傳播多目標(biāo)狀態(tài)的后驗(yàn)概率分布。其中，多目標(biāo) 后驗(yàn)分布函數(shù)是根據(jù)有限集統(tǒng)計(jì)學(xué)（FISST)建立起來(lái)的。由于該種多目標(biāo)后驗(yàn)分布函數(shù) 包含多目標(biāo)狀態(tài)的無(wú)窮維而難W計(jì)算。為此，Mahler提出了概率假設(shè)密度（Prob油ility Hypothesis Density, P皿）濾波器，該濾波器僅傳播多目標(biāo)后驗(yàn)分布函數(shù)的一階矩，即P皿。 P皿濾波器避免了傳統(tǒng)多目標(biāo)跟蹤算法中的數(shù)據(jù)關(guān)聯(lián)技術(shù)，而且易于處理密集雜波，但是存 在P皿濾波器目標(biāo)數(shù)估計(jì)不準(zhǔn)確的問題。為了解決該個(gè)問題，Mahler又提出了基數(shù)概率假 設(shè)密度（Cardinalized Prob油ility Hypothesis Density, CP皿）濾波器。CP皿通過同時(shí) 傳播狀態(tài)隨機(jī)集的強(qiáng)度函數(shù)和基數(shù)分布得到準(zhǔn)確的目標(biāo)數(shù)估計(jì)。P皿濾波器雖然能夠處理 多目標(biāo)的新生、解化和死亡問題，但仍存在一個(gè)缺點(diǎn)，即標(biāo)準(zhǔn)P皿濾波器假定新生目標(biāo)的強(qiáng) 度函數(shù)為已知條件。然而，新生目標(biāo)的檢測(cè)或航跡的起始是現(xiàn)代MIT系統(tǒng)必要和重要的組 成部分。因此，該假設(shè)制約了 P皿濾波器的廣泛應(yīng)用。
[0004] 近年來(lái)，B. RISTIC等人提出一種基于粒子P皿濾波器的自適應(yīng)新生目標(biāo)強(qiáng)度方 法。該方法由各帖量測(cè)設(shè)計(jì)新生目標(biāo)強(qiáng)度函數(shù)，把量測(cè)空間分為量測(cè)可測(cè)子空間P與量測(cè) 不可測(cè)子空間V，對(duì)于P由似然函數(shù)構(gòu)造新生目標(biāo)強(qiáng)度，但對(duì)于V仍然需要已知先驗(yàn)信息，沒 有根本解決新生目標(biāo)強(qiáng)度函數(shù)的構(gòu)造問題。MichaelBeard等人提出新生目標(biāo)強(qiáng)度分布為均 勻分布時(shí)的高斯混合P皿濾波器，但仍然假設(shè)新生目標(biāo)強(qiáng)度分布為已知的。歐陽(yáng)誠(chéng)等人針 對(duì)文獻(xiàn)，提出一種歸一化因子修正方法，用W改進(jìn)原算法的航跡歸一化失衡問題，但該方法 仍需已知部分先驗(yàn)信息，而且該方法在濾波后仍然包含大量雜波，弱化了 P皿濾波器去除 雜波的主要優(yōu)點(diǎn)。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明針對(duì)現(xiàn)有技術(shù)中存在的上述不足，提出一種基于自適應(yīng)新生目標(biāo)強(qiáng)度的概 率假設(shè)密度濾波算法。該算法完全不需要先驗(yàn)信息，僅根據(jù)量測(cè)信息來(lái)構(gòu)造新生目標(biāo)強(qiáng)度 函數(shù)。本方法可W用于p皿濾波器的位置未知的新生目標(biāo)跟蹤問題，并且也適用于CP皿濾 波器。該算法具有能夠很好地跟蹤位置未知的新生目標(biāo)，從而提高了 P皿濾波器的應(yīng)用范 圍和魯椿性等優(yōu)點(diǎn)。
[0006] 本發(fā)明是通過W下技術(shù)方案實(shí)現(xiàn)的，本發(fā)明包括W下步驟：
[0007] 第一步，將每一時(shí)刻接收到的任意量測(cè)作為新的目標(biāo)假設(shè)（航跡頭），并W此進(jìn)行 航跡起始，并通過自適應(yīng)新生目標(biāo)強(qiáng)度生成算法進(jìn)行航跡確認(rèn)。
[000引所述的自適應(yīng)新生目標(biāo)強(qiáng)度生成算法，具體是，采用多假設(shè)跟蹤中延遲決策的思 想進(jìn)行邏輯起始，即在初始航跡一步外推時(shí)不立刻進(jìn)行關(guān)聯(lián)量測(cè)，而是延遲一步?jīng)Q策，在連 續(xù)兩步外推后，再根據(jù)統(tǒng)計(jì)方法選取最優(yōu)的外推航跡及其關(guān)聯(lián)的量測(cè)。
[0009] 第二步，目標(biāo)航跡的起始和確認(rèn)，如果存在新生目標(biāo)（確認(rèn)的航跡），則進(jìn)行步驟 3,否則進(jìn)行步驟4.
[0010] 第=步，如果存在確認(rèn)的航跡（即新目標(biāo)航跡），則根據(jù)確認(rèn)航跡的起始位置信息 構(gòu)造新生目標(biāo)隨機(jī)集的強(qiáng)度函數(shù)，合并當(dāng)前帖構(gòu)建的新生目標(biāo)強(qiáng)度函數(shù)與前一時(shí)刻已知的 新生目標(biāo)強(qiáng)度函數(shù)產(chǎn)生當(dāng)前帖自適應(yīng)新生目標(biāo)強(qiáng)度函數(shù)。
[0011] 所述的新生目標(biāo)隨機(jī)集的強(qiáng)度函數(shù)采用高斯混合形式，具體是：
[0012]

【權(quán)利要求】
1. 一種基于自適應(yīng)新生目標(biāo)強(qiáng)度的概率假設(shè)密度濾波算法，其特征在于，包括以下步 驟： 第一步，將每一時(shí)刻接收到的任意量測(cè)作為新的目標(biāo)假設(shè)（航跡頭），并以此進(jìn)行航跡 起始，并通過自適應(yīng)新生目標(biāo)強(qiáng)度生成算法進(jìn)行航跡確認(rèn)操作； 第二步，目標(biāo)航跡的起始和確認(rèn)，如果存在新生目標(biāo)（確認(rèn)的航跡），則進(jìn)行步驟3,否 則進(jìn)行步驟4 ; 第三步，如果存在確認(rèn)的航跡（即新目標(biāo)航跡），則根據(jù)確認(rèn)航跡的起始位置信息構(gòu)造 新生目標(biāo)隨機(jī)集的強(qiáng)度函數(shù)，合并當(dāng)前幀構(gòu)建的新生目標(biāo)強(qiáng)度函數(shù)與前一時(shí)刻已知的新生 目標(biāo)強(qiáng)度函數(shù)產(chǎn)生該當(dāng)前幀自適應(yīng)新生目標(biāo)強(qiáng)度函數(shù)； 第四步，使用自適應(yīng)新生目標(biāo)強(qiáng)度函數(shù)啟動(dòng)PHD濾波器，從而完成PHD濾波器的預(yù)測(cè)以 及更新； 第五步，對(duì)步驟4中更新后的高斯元進(jìn)行修剪操作，并提取權(quán)值較大的高斯元的期望 值作為狀態(tài)估計(jì)。
2. 根據(jù)權(quán)利要求1所述的基于自適應(yīng)新生目標(biāo)強(qiáng)度的概率假設(shè)密度濾波算法，其特征 是，所述的自適應(yīng)新生目標(biāo)強(qiáng)度生成算法，具體是，采用多假設(shè)跟蹤中延遲決策的思想進(jìn)行 邏輯起始，即在初始航跡一步外推時(shí)不立刻進(jìn)行關(guān)聯(lián)量測(cè)，而是延遲一步?jīng)Q策，在連續(xù)兩步 外推后，再根據(jù)統(tǒng)計(jì)方法選取最優(yōu)的外推航跡及其關(guān)聯(lián)的量測(cè)。
3. 根據(jù)權(quán)利要求1所述的基于自適應(yīng)新生目標(biāo)強(qiáng)度的概率假設(shè)密度濾波算法，其特征 是，所述的新生目標(biāo)隨機(jī)集的強(qiáng)度函數(shù)，具體是，若k時(shí)刻由步驟1確認(rèn)了 個(gè)新生目標(biāo)， 則根據(jù)新生目標(biāo)位置構(gòu)造高斯混合形式的強(qiáng)度函數(shù)，即 (2)
4. 根據(jù)權(quán)利要求1所述的基于自適應(yīng)新生目標(biāo)強(qiáng)度的概率假設(shè)密度濾波算法，其特征 是，所述的當(dāng)前幀自適應(yīng)新生目標(biāo)強(qiáng)度函數(shù)，具體是，與權(quán)利要求3中已知新目標(biāo)強(qiáng)度函數(shù) 合并構(gòu)成新生目標(biāo)強(qiáng)度函數(shù)yk(x)，即
其中，m"，P/j，分別是已知新生目標(biāo)的位置中心向量，方差陣和每個(gè)目標(biāo)的加權(quán) 系數(shù)；力"，gS，今％分別是步驟2構(gòu)造的各新生目標(biāo)的位置中心向量，方差陣和加權(quán)系 數(shù)。
5. 根據(jù)權(quán)利要求1所述的基于自適應(yīng)新生目標(biāo)強(qiáng)度的概率假設(shè)密度濾波算法，其特征 是，所述的PHD濾波器的預(yù)測(cè)，具體是，對(duì)新生目標(biāo)預(yù)測(cè)和對(duì)繼續(xù)生存的目標(biāo)進(jìn)行預(yù)測(cè)。
6. 根據(jù)權(quán)利要求1所述的基于自適應(yīng)新生目標(biāo)強(qiáng)度的概率假設(shè)密度濾波算法，其特征 是，所述的PHD濾波器的更新，具體是，當(dāng)量測(cè)丟失時(shí)預(yù)測(cè)高斯元的更新和由量測(cè)對(duì)預(yù)測(cè)高 斯元的更新。
【文檔編號(hào)】G01C21/20GK104501812SQ201410737973
【公開日】2015年4月8日 申請(qǐng)日期:2014年12月5日 優(yōu)先權(quán)日:2014年12月5日
【發(fā)明者】吳靜靜, 宋淑娟, 尤麗華, 王金華 申請(qǐng)人:江南大學(xué)