亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種適用于閃爍噪聲的多目標(biāo)跟蹤方法及系統(tǒng)與流程

文檔序號:12456988閱讀:351來源:國知局
一種適用于閃爍噪聲的多目標(biāo)跟蹤方法及系統(tǒng)與流程

本發(fā)明屬于多傳感器信息融合技術(shù)領(lǐng)域,尤其涉及一種適用于閃爍噪聲的多目標(biāo)跟蹤方法及系統(tǒng)。



背景技術(shù):

邊緣分布貝葉斯濾波器是適用于雜波和噪聲下多目標(biāo)跟蹤的有效方法,但濾波器僅適用于噪聲為高斯噪聲的情況,不適用于噪聲為閃爍噪聲的情況。如何解決閃爍噪聲下多目標(biāo)跟蹤問題是需要探索和解決的關(guān)鍵技術(shù)問題。



技術(shù)實現(xiàn)要素:

本發(fā)明所要解決的技術(shù)問題在于提供一種適用于閃爍噪聲的多目標(biāo)跟蹤方法與跟蹤系統(tǒng),旨在解決閃爍噪聲下非線性運動目標(biāo)的跟蹤問題。

本發(fā)明是這樣實現(xiàn)的,一種適用于閃爍噪聲的多目標(biāo)跟蹤方法,包括:

根據(jù)前一時刻各個目標(biāo)的合同分布和存在概率以及當(dāng)前時刻與前一時刻的時間差,采用啟發(fā)式的方法產(chǎn)生伽馬分布的形狀參數(shù)和尺度參數(shù),進(jìn)而得到當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率;

根據(jù)所述當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率,利用變分貝葉斯方法序貫處理當(dāng)前時刻的測量數(shù)據(jù),得到當(dāng)前時刻各個目標(biāo)的更新合同分布和更新存在概率;

利用當(dāng)前時刻的測量數(shù)據(jù)生成新生目標(biāo)的合同分布,并為所述新生目標(biāo)指定存在概率,將所述新生目標(biāo)的合同分布及存在概率分別與所述當(dāng)前時刻的更新合同分布及更新存在概率進(jìn)行合并,得到當(dāng)前時刻各個目標(biāo)的合同分布和存在概率;

從所述當(dāng)前時刻各個目標(biāo)中裁減掉存在概率小于第一閾值的目標(biāo),并將裁減后余下目標(biāo)的合同分布和存在概率作為濾波器下一次遞歸的輸入,從所述裁減后余下的目標(biāo)中提取存在概率大于第二閾值的目標(biāo),所提取出的目標(biāo)的合同分布作為所述當(dāng)前時刻的輸出,所輸出的合同分布的均值作為當(dāng)前時刻目標(biāo)的狀態(tài)估計。

本發(fā)明還提供了一種適用于閃爍噪聲的多目標(biāo)跟蹤系統(tǒng),包括:

預(yù)測模塊,用于根據(jù)前一時刻各個目標(biāo)的合同分布和存在概率以及當(dāng)前時刻與前一時刻的時間差,采用啟發(fā)式的方法產(chǎn)生伽馬分布的形狀參數(shù)和尺度參數(shù),進(jìn)而得到當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率;

更新模塊,用于根據(jù)所述當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率,利用變分貝葉斯方法序貫處理當(dāng)前時刻的測量數(shù)據(jù),得到當(dāng)前時刻各個目標(biāo)的更新合同分布和更新存在概率;

生成模塊,用于利用當(dāng)前時刻的測量數(shù)據(jù)生成新生目標(biāo)的合同分布,并為所述新生目標(biāo)指定存在概率,將所述新生目標(biāo)的合同分布及存在概率分別與所述當(dāng)前時刻的更新合同分布及更新存在概率進(jìn)行合并,得到當(dāng)前時刻各個目標(biāo)的合同分布和存在概率;

提取模塊,用于從所述當(dāng)前時刻各個目標(biāo)中裁減掉存在概率小于第一閾值的目標(biāo),并將裁減后余下目標(biāo)的合同分布和存在概率作為濾波器下一次遞歸的輸入,從所述裁減后余下的目標(biāo)中提取存在概率大于第二閾值的目標(biāo),所提取出的目標(biāo)的合同分布作為所述當(dāng)前時刻的輸出,所輸出的合同分布的均值作為當(dāng)前時刻目標(biāo)的狀態(tài)估計。

本發(fā)明與現(xiàn)有技術(shù)相比,有益效果在于:本發(fā)明實施例通過用t分布建模閃爍噪聲,利用變分貝葉斯方法獲得閉合表達(dá)式,用各個分變量邊緣分布的乘積來逼近多變量的合同分布,從而將多變量的合同估計化為對各個分變量邊緣分布的迭代估計,有效解決了閃爍噪聲下非線性運動目標(biāo)的跟蹤問題,提高多目標(biāo)的跟蹤精度。

附圖說明

圖1是本發(fā)明實施例提供的一種適用于閃爍噪聲的多目標(biāo)跟蹤方法的流程圖;

圖2是本發(fā)明實施例提供的傳感器70個掃描周期的測量數(shù)據(jù);

圖3是在閃爍噪聲下按照本發(fā)明實施例提供的多目標(biāo)跟蹤方法處理得到的結(jié)果;

圖4是在閃爍噪聲下根據(jù)UK-PHD濾波器的多目標(biāo)跟蹤方法處理得到的結(jié)果;

圖5是按照本發(fā)明實施例提供多目標(biāo)跟蹤方法與UK-PHD濾波方法在經(jīng)過100次實驗得到的平均OSPA距離示意圖;

圖6是本發(fā)明實施例提供一種適用于閃爍噪聲的多目標(biāo)跟蹤系統(tǒng)的結(jié)構(gòu)示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白,以下結(jié)合附圖及實施例,對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解,此處所描述的具體實施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。

本發(fā)明實施例根據(jù)前一時刻接收的測量數(shù)據(jù)的各個目標(biāo)的合同分布及存在概率預(yù)測當(dāng)前時刻接收的新的測量數(shù)據(jù)的各個目標(biāo)的合同分布及存在概率;根據(jù)預(yù)測的合同分布及存在概率,利用變分貝葉斯方法序貫處理當(dāng)前時刻的各測量得到各個目標(biāo)的更新合同分布及存在概率;分別將更新的合同分布及存在概率與新目標(biāo)的合同分布及存在概率進(jìn)行合并,生成當(dāng)前時刻各個目標(biāo)的合同分布及存在概率,這樣使得本發(fā)明實施例能夠很好的解決閃爍噪聲下非線性運動目標(biāo)的跟蹤問題。

基于上述原理,本發(fā)明實施例提供了如圖1所示的一種適用于閃爍噪聲的多目標(biāo)跟蹤方法,包括:

S101,根據(jù)前一時刻各個目標(biāo)的合同分布和存在概率以及當(dāng)前時刻與前一時刻的時間差,采用啟發(fā)式的方法產(chǎn)生伽馬分布的形狀參數(shù)和尺度參數(shù),進(jìn)而得到當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率;

S102,根據(jù)所述當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率,利用變分貝葉斯方法序貫處理當(dāng)前時刻的測量數(shù)據(jù),得到當(dāng)前時刻各個目標(biāo)的更新合同分布和更新存在概率;

S103,利用當(dāng)前時刻的測量數(shù)據(jù)生成新生目標(biāo)的合同分布,并為所述新生目標(biāo)指定存在概率,將所述新生目標(biāo)的合同分布及存在概率分別與所述當(dāng)前時刻的更新合同分布及更新存在概率進(jìn)行合并,得到當(dāng)前時刻各個目標(biāo)的合同分布和存在概率;

S104,從所述當(dāng)前時刻各個目標(biāo)中裁減掉存在概率小于第一閾值的目標(biāo),并將裁減后余下目標(biāo)的合同分布和存在概率作為濾波器下一次遞歸的輸入,從所述裁減后余下的目標(biāo)中提取存在概率大于第二閾值的目標(biāo),所提取出的目標(biāo)的合同分布作為所述當(dāng)前時刻的輸出,所輸出的合同分布的均值作為當(dāng)前時刻目標(biāo)的狀態(tài)估計。

具體地,在步驟S101中,以k-1表示前一時刻,k表示當(dāng)前時刻,tk-1表示前一時刻的時間,tk表示當(dāng)前時刻的時間,所述當(dāng)前時刻的測量噪聲服從ξ維的t分布,以S(zk;Hkxk,Rk,rk)表示所述當(dāng)前時刻測量的概率密度函數(shù),其中Hkxk表示t分布的均值,Rk表示精度矩陣,rk表示t分布的自由度,且前一時刻目標(biāo)i的多變量合同分布為目標(biāo)i的存在概率為ρi,k-1,其中,N表示高斯分布,g表示伽瑪分布,xi,k-1表示前一時刻第i個合同分布的狀態(tài)向量,mi,k-1表示前一時刻第i個合同分布中高斯分布的均值,Pi,k-1表示前一時刻第i個合同分布中高斯分布的方差,表示Rk的對角線元素,和γi,k-1表示前一時刻第i個合同分布中伽瑪分布的形狀參數(shù),和ηi,k-1表示前一時刻第i個合同分布中伽瑪分布的尺度參數(shù),ξ為狀態(tài)向量的維數(shù),i=1,2,...,Nk-1,Nk-1為前一時刻目標(biāo)的總數(shù);

根據(jù)前一時刻各個目標(biāo)的合同分布和存在概率、當(dāng)前時刻與前一時刻的時間差,得到當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布當(dāng)前時刻各個目標(biāo)的預(yù)測存在概率為ρi,k|k-1=Ps,k(tk-tk-1i,k-1;其中,i=1,2,...,Nk-1,為當(dāng)前時刻第i個合同分布中高斯分布的均值,為當(dāng)前時刻第i個合同分布中高斯分布的方差,Sigma點xi,0=mi,k-1,Sigma點的權(quán)重l=1,...,ξ,為目標(biāo)的幸存概率,γi,k|k-1=ργγi,k-1為當(dāng)前時刻第i個合同分布中伽瑪分布的形狀參數(shù),ηi,k|k-1=ρηηi,k-1為當(dāng)前時刻第i個合同分布中伽瑪分布的尺度參數(shù),f為非線性函數(shù),Qk-1為所述接收時刻的過程噪聲方差矩陣,上標(biāo)T表示矩陣或向量的轉(zhuǎn)置,T為采樣周期,δ為已知的常數(shù),ρα,ρβ,ργ,ρη為傳播因子,取值范圍為(0,1],rk表示自由度,為已知常數(shù),ξ為狀態(tài)向量的維數(shù),k為一尺度參數(shù)。

在步驟S102中,設(shè)當(dāng)前時刻接收到的觀測集為yk=(y1,k,…,yM,k),其中,M為當(dāng)前時刻接收到測量數(shù)據(jù)總數(shù),則所述根據(jù)所述當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率,利用變分貝葉斯方法序貫處理當(dāng)前時刻的測量數(shù)據(jù),得到當(dāng)前時刻各個目標(biāo)的更新合同分布和更新存在概率,包括:

S1021,以當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率作為當(dāng)前時刻各個目標(biāo)的初始合同分布和初始存在概率,即初始合同分布取為

初始存在概率取為其中i=1,2,...,Nk-1,

S1022,利用變分貝葉斯方法對第1個至第M個測量數(shù)據(jù)依次進(jìn)行序貫處理;

設(shè)第j個測量數(shù)據(jù)處理前各個目標(biāo)的合同分布及存在概率分別為和其中,i=1,2,...,Nk-1,1≤j≤M;由和求得用第j個測量更新時各個目標(biāo)的存在概率為其中

求得用第j個測量更新時各個目標(biāo)的合同分布為

其中,表示伽瑪函數(shù),tr表示矩陣的跡,表示均值向量,表示協(xié)方差矩陣,表示濾波器增益;其中Sigma點伽瑪分布的形狀參數(shù)為伽瑪分布的尺度參數(shù)為Hk為觀測矩陣,Rk為觀測噪聲方差矩陣,PD,k為目標(biāo)的檢測概率,λc,k為雜波密度,I表示單位矩陣,yj,k為當(dāng)前時刻接收到的第j個測量數(shù)據(jù),上標(biāo)T表示為矩陣或向量的轉(zhuǎn)置,ξ為狀態(tài)向量的總維數(shù);

若則第j個測量數(shù)據(jù)處理后目標(biāo)i的合同分布為

其存在概率為其中

若則第j個測量數(shù)據(jù)處理后目標(biāo)i的合同分布為

其存在概率為其中

S1023,第M個測量數(shù)據(jù)處理后的各個目標(biāo)的合同分布及存在概率分別為和其中i=1,2,...,Nk-1;將第M個測量數(shù)據(jù)處理后各個目標(biāo)的合同分布及存在概率分別作為當(dāng)前時刻各個目標(biāo)的更新合同分布,由此得到當(dāng)前時刻各個目標(biāo)的更新合同分布為

及當(dāng)前時刻各個目標(biāo)的更新存在概率其中i=1,…,Nk-1,

在步驟S103中,設(shè)所述當(dāng)前時刻各個目標(biāo)的更新合同分布為

各個目標(biāo)的存在概率為ρi,k;其中i=1,2,...,Nk-1,利用所述當(dāng)前時刻的M個測量數(shù)據(jù)生成當(dāng)前時刻新生目標(biāo)的合同分布為并指定當(dāng)前時刻各新生目標(biāo)的存在概率為其中j=1,2,...,M,為給定的第j個新生目標(biāo)的合同分布中高斯分布的協(xié)方差,為第j個新生目標(biāo)的合同分布中高斯分布的均值,由所述當(dāng)前時刻第j個測量數(shù)據(jù)yj,k=[xj,k yj,k]T產(chǎn)生,并且和為所述當(dāng)前時刻第j個新生目標(biāo)的合同分布中伽瑪分布的形狀參數(shù),和為所述當(dāng)前時刻第j個新生目標(biāo)的合同分布中伽瑪分布的尺度參數(shù)。

將所述當(dāng)前時刻各個目標(biāo)的更新合同分布與所述當(dāng)前時刻新生目標(biāo)的合同分布進(jìn)行合并,得到當(dāng)前時刻各個目標(biāo)的合同分布為

將所述當(dāng)前時刻各個目標(biāo)的存在概率與所述當(dāng)前時刻新生目標(biāo)的存在概率進(jìn)行合并,得到所述當(dāng)前時刻各個目標(biāo)的存在概率為其中Nk=Nk-1+M。

下面結(jié)合圖2至圖5對本實施例進(jìn)行進(jìn)一步地解釋:

在本實施例中,考慮二維空間[-1000m,1000m]×[-1000m,1000m]中非線性運動的目標(biāo)。目標(biāo)的狀態(tài)由位置、速度和轉(zhuǎn)彎率構(gòu)成,表示為x=[x &x y &y ω],其中x和y分別表示位置分量,&x和&y分別表示速度分量,ω表示轉(zhuǎn)彎率,上標(biāo)T表示向量的轉(zhuǎn)置,狀態(tài)轉(zhuǎn)移矩陣為過程噪聲方差矩陣為△tk=tk-tk-1為當(dāng)前時刻與前一時刻的時間差,σv和σw為過程噪聲標(biāo)準(zhǔn)差;雷達(dá)的觀測方程為:

觀測噪聲方差矩陣σr和σθ為觀測噪聲標(biāo)準(zhǔn)差,測量噪聲vk假設(shè)服從rk=10的t分布。

為了產(chǎn)生仿真數(shù)據(jù),取幸存概率pS,k=1.0、檢測概率pD,k=0.9、過程噪聲的標(biāo)準(zhǔn)差σv=1ms-2,σw=0.1rads-2和觀測噪聲的標(biāo)準(zhǔn)差σr=2m,σθ=0.0003rad。一次實驗的仿真觀測數(shù)據(jù)如圖2所示。為了處理仿真數(shù)據(jù),將本發(fā)明實施例與閃爍噪聲下的無跡卡爾曼高斯混合概率假設(shè)密度濾波器的相關(guān)參數(shù)設(shè)置為pS,k=1.0、pD,k=0.9、σv=1ms-2、σw=0.1rads-2,σr=2m,σθ=0.0003rad、第一閾值為10-3、第二閾值為0.5,傳播因子ρα=ρβ=ργ=ρη=0.75,伽瑪分布形狀參數(shù)初始值伽瑪分布尺度參數(shù)初始值閃爍噪聲下UK-PHD濾波器新生目標(biāo)的權(quán)重wγ=0.1、本發(fā)明實施例的新生目標(biāo)的存在概率ργ=0.1、新產(chǎn)生目標(biāo)的協(xié)方差圖3和圖4為對比濾波器與本發(fā)明實施例提供的多目標(biāo)跟蹤方法產(chǎn)生的結(jié)果。將本發(fā)明實施例與現(xiàn)有的閃爍噪聲下的UK-PHD濾波器對圖2的仿真數(shù)據(jù)進(jìn)行處理,100次Monte Carlo實驗得到平均OSPA(Optimal Subpattern Assignment,最優(yōu)亞模式分配)距離如圖5所示。將現(xiàn)有的基于閃爍噪聲的UK-PHD濾波器與本發(fā)明相比,本發(fā)明的多目標(biāo)跟蹤方法在閃爍噪聲下對于關(guān)聯(lián)不確定、檢測不確定的非線性運動目標(biāo)的跟蹤可獲得更為精確和可靠的目標(biāo)狀態(tài)估計、其OSPA距離比現(xiàn)有的這種方法得到的OSPA距離要小。

本發(fā)明還提供了如圖6所示的實施例,一種多目標(biāo)跟蹤系統(tǒng),包括:

預(yù)測模塊601,用于根據(jù)前一時刻各個目標(biāo)的合同分布和存在概率以及當(dāng)前時刻與前一時刻的時間差,采用啟發(fā)式的方法產(chǎn)生伽馬分布的形狀參數(shù)和尺度參數(shù),進(jìn)而得到當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率;

更新模塊602,用于根據(jù)所述當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率,利用變分貝葉斯方法序貫處理當(dāng)前時刻的測量數(shù)據(jù),得到當(dāng)前時刻各個目標(biāo)的更新合同分布和更新存在概率;

生成模塊603,用于利用當(dāng)前時刻的測量數(shù)據(jù)生成新生目標(biāo)的合同分布,并為所述新生目標(biāo)指定存在概率,將所述新生目標(biāo)的合同分布及存在概率分別與所述當(dāng)前時刻的更新合同分布及更新存在概率進(jìn)行合并,得到當(dāng)前時刻各個目標(biāo)的合同分布和存在概率;

提取模塊604,用于從所述當(dāng)前時刻各個目標(biāo)中裁減掉存在概率小于第一閾值的目標(biāo),并將裁減后余下目標(biāo)的合同分布和存在概率作為濾波器下一次遞歸的輸入,從所述裁減后余下的目標(biāo)中提取存在概率大于第二閾值的目標(biāo),所提取出的目標(biāo)的合同分布作為所述當(dāng)前時刻的輸出,所輸出的合同分布的均值作為當(dāng)前時刻目標(biāo)的狀態(tài)估計。

進(jìn)一步地,預(yù)測模塊601具體用于:

以k-1表示前一時刻,k表示當(dāng)前時刻,tk-1表示前一時刻的時間,tk表示當(dāng)前時刻的時間,所述當(dāng)前時刻的測量噪聲服從ξ維的t分布,以S(zk;Hkxk,Rk,rk)表示所述當(dāng)前時刻測量的概率密度函數(shù),其中Hkxk表示t分布的均值,Rk表示精度矩陣,rk表示t分布的自由度,且前一時刻目標(biāo)i的多變量合同分布為目標(biāo)i的存在概率為ρi,k-1,其中,N表示高斯分布,g表示伽瑪分布,xi,k-1表示前一時刻第i個合同分布的狀態(tài)向量,mi,k-1表示前一時刻第i個合同分布中高斯分布的均值,Pi,k-1表示前一時刻第i個合同分布中高斯分布的方差,表示Rk的對角線元素,和γi,k-1表示前一時刻第i個合同分布中伽瑪分布的形狀參數(shù),和ηi,k-1表示前一時刻第i個合同分布中伽瑪分布的尺度參數(shù),ξ為狀態(tài)向量的維數(shù),i=1,2,...,Nk-1,Nk-1為前一時刻目標(biāo)的總數(shù);

根據(jù)前一時刻各個目標(biāo)的合同分布和存在概率、當(dāng)前時刻與前一時刻的時間差,得到當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布當(dāng)前時刻各個目標(biāo)的預(yù)測存在概率為ρi,k|k-1=Ps,k(tk-tk-1i,k-1;其中,i=1,2,...,Nk-1,為當(dāng)前時刻第i個合同分布中高斯分布的均值,為當(dāng)前時刻第i個合同分布中高斯分布的方差,Sigma點xi,0=mi,k-1,Sigma點的權(quán)重l=1,...,ξ,為目標(biāo)的幸存概率,γi,k|k-1=ργγi,k-1為當(dāng)前時刻第i個合同分布中伽瑪分布的形狀參數(shù),ηi,k|k-1=ρηηi,k-1為當(dāng)前時刻第i個合同分布中伽瑪分布的尺度參數(shù),f為非線性函數(shù),Qk-1為所述接收時刻的過程噪聲方差矩陣,上標(biāo)T表示矩陣或向量的轉(zhuǎn)置,T為采樣周期,δ為已知的常數(shù),ρα,ρβ,ργ,ρη為傳播因子,取值范圍為(0,1],rk表示自由度,為已知常數(shù),ξ為狀態(tài)向量的維數(shù),k為一尺度參數(shù)。

進(jìn)一步地,更新模塊602具體用于:

以當(dāng)前時刻各個目標(biāo)的預(yù)測合同分布和預(yù)測存在概率作為當(dāng)前時刻各個目標(biāo)的初始合同分布和初始存在概率,即初始合同分布取為初始存在概率取為其中i=1,2,...,Nk-1,

利用變分貝葉斯方法對第1個至第M個測量數(shù)據(jù)依次進(jìn)行序貫處理;

設(shè)第j個測量數(shù)據(jù)處理前各個目標(biāo)的合同分布及存在概率分別為和其中,i=1,2,...,Nk-1,1≤j≤M;由和求得用第j個測量更新時各個目標(biāo)的存在概率為其中

求得用第j個測量更新時各個目標(biāo)的合同分布為

其中,表示伽瑪函數(shù),tr表示矩陣的跡,表示均值向量,表示協(xié)方差矩陣,表示濾波器增益;其中Sigma點伽瑪分布的形狀參數(shù)為伽瑪分布的尺度參數(shù)為Hk為觀測矩陣,Rk為觀測噪聲方差矩陣,PD,k為目標(biāo)的檢測概率,λc,k為雜波密度,I表示單位矩陣,yj,k為當(dāng)前時刻接收到的第j個測量數(shù)據(jù),上標(biāo)T表示為矩陣或向量的轉(zhuǎn)置,ξ為狀態(tài)向量的總維數(shù);

若則第j個測量數(shù)據(jù)處理后目標(biāo)i的合同分布為

其存在概率為其中

若則第j個測量數(shù)據(jù)處理后目標(biāo)i的合同分布為

其存在概率為其中

第M個測量數(shù)據(jù)處理后的各個目標(biāo)的合同分布及存在概率分別為和其中i=1,2,...,Nk-1;

將第M個測量數(shù)據(jù)處理后各個目標(biāo)的合同分布及存在概率分別作為當(dāng)前時刻各個目標(biāo)的更新合同分布,由此得到當(dāng)前時刻各個目標(biāo)的更新合同分布為

及當(dāng)前時刻各個目標(biāo)的更新存在概率其中i=1,…,Nk-1

進(jìn)一步地,生成模塊603具體用于:

設(shè)所述當(dāng)前時刻各個目標(biāo)的更新合同分布為各個目標(biāo)的存在概率為ρi,k;其中i=1,2,...,Nk-1,利用所述當(dāng)前時刻的M個測量數(shù)據(jù)生成當(dāng)前時刻新生目標(biāo)的合同分布為并指定當(dāng)前時刻各新生目標(biāo)的存在概率為其中j=1,2,...,M,為給定的第j個新生目標(biāo)的合同分布中高斯分布的協(xié)方差,為第j個新生目標(biāo)的合同分布中高斯分布的均值,由所述當(dāng)前時刻第j個測量數(shù)據(jù)yj,k=[xj,k yj,k]T產(chǎn)生,并且和為所述當(dāng)前時刻第j個新生目標(biāo)的合同分布中伽瑪分布的形狀參數(shù),和為所述當(dāng)前時刻第j個新生目標(biāo)的合同分布中伽瑪分布的尺度參數(shù)。

將所述當(dāng)前時刻各個目標(biāo)的更新合同分布與所述當(dāng)前時刻新生目標(biāo)的合同分布進(jìn)行合并,得到當(dāng)前時刻各個目標(biāo)的合同分布為

將所述當(dāng)前時刻各個目標(biāo)的存在概率與所述當(dāng)前時刻新生目標(biāo)的存在概率進(jìn)行合并,得到所述當(dāng)前時刻各個目標(biāo)的存在概率為其中Nk=Nk-1+M。

以上所述僅為本發(fā)明的較佳實施例而已,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1