一種粒子濾波方法、裝置及目標(biāo)跟蹤方法、裝置制造方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種粒子濾波方法、裝置及目標(biāo)跟蹤方法、裝置，該粒子濾波方法包括利用高斯-厄米特積分構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)；根據(jù)多個(gè)積分點(diǎn)概率密度函數(shù)獲取積分點(diǎn)的近似粒子集；根據(jù)目標(biāo)的相關(guān)特性修正近似粒子集以獲取預(yù)測(cè)粒子集；根據(jù)預(yù)測(cè)粒子集獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)；根據(jù)當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)。通過(guò)上述方式，本發(fā)明能夠增強(qiáng)粒子的多樣性和準(zhǔn)確性，有效提高濾波精度以及目標(biāo)狀態(tài)的估計(jì)性能。
【專(zhuān)利說(shuō)明】一種粒子濾波方法、裝置及目標(biāo)跟蹤方法、裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及非線(xiàn)性濾波領(lǐng)域，特別是涉及一種粒子濾波方法、裝置及目標(biāo)跟蹤方法、裝置。
【背景技術(shù)】
[0002]在飛機(jī)、航空飛行器、車(chē)輛等目標(biāo)的運(yùn)動(dòng)過(guò)程中，常常需要對(duì)目標(biāo)的實(shí)時(shí)狀態(tài)進(jìn)行估計(jì)以實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤，飛機(jī)等目標(biāo)的運(yùn)動(dòng)系統(tǒng)模型一般屬于非線(xiàn)性隨機(jī)系統(tǒng)。非線(xiàn)性濾波技術(shù)為非線(xiàn)性隨機(jī)系統(tǒng)中進(jìn)行狀態(tài)估計(jì)的常用手段。
[0003]根據(jù)應(yīng)用背景的不同，現(xiàn)有技術(shù)非線(xiàn)性濾波技術(shù)主要分為兩類(lèi):第一類(lèi)是針對(duì)非線(xiàn)性高斯環(huán)境下的狀態(tài)估計(jì)問(wèn)題，如擴(kuò)展卡爾曼濾波器(EKF)、無(wú)跡卡爾曼濾波器(UKF)、積分卡爾曼濾波(QKF)、截?cái)酂o(wú)跡卡爾曼濾波(IUKF)，這類(lèi)方法主要是利用泰勒級(jí)數(shù)展開(kāi)或數(shù)值計(jì)算等線(xiàn)性近似技術(shù)對(duì)非線(xiàn)性的系統(tǒng)模型進(jìn)行近似，忽略近似高階項(xiàng)對(duì)濾波性能的影響。第二類(lèi)是針對(duì)非線(xiàn)性非高斯環(huán)境下的狀態(tài)估計(jì)問(wèn)題，如高斯和濾波器(GSF)、高斯和積分卡爾曼濾波器(GS-QKF)，這類(lèi)高斯和方法主要是利用多個(gè)混合高斯將狀態(tài)的后驗(yàn)概率密度函數(shù)近似成單個(gè)高斯函數(shù)，然而，與上述EKF等方法類(lèi)似，這類(lèi)高斯和方法都必須進(jìn)行線(xiàn)性化，對(duì)于強(qiáng)非線(xiàn)性非高斯系統(tǒng)，此類(lèi)濾波器的濾波精度并不高，且濾波器的高斯混合項(xiàng)的數(shù)量隨著時(shí)間快速增長(zhǎng)。
[0004]此外，現(xiàn)有技術(shù)還采用另一種非線(xiàn)性濾波方法:粒子濾波方法，現(xiàn)有技術(shù)所采用的一類(lèi)粒子濾波方法由于粒子退化現(xiàn)象的存在，需要進(jìn)行重采樣，從而影響粒子濾波的并行實(shí)現(xiàn)?，F(xiàn)有技術(shù)另一類(lèi)粒子濾波方法則無(wú)需進(jìn)行重采樣，如高斯粒子濾波(GPF)，快速高斯粒子濾波算法，擬蒙特卡羅-高斯粒子濾波(QMC-GPF)算法等，這類(lèi)方法由于在時(shí)間更新時(shí)只是簡(jiǎn)單地采用狀態(tài)轉(zhuǎn)移函數(shù)進(jìn)行粒子采樣，當(dāng)目標(biāo)觀測(cè)點(diǎn)的采樣時(shí)間間隔較大或目標(biāo)運(yùn)動(dòng)模型不夠精確時(shí)，粒子的多樣性以及準(zhǔn)確性較差，粒子并不能有效表示目標(biāo)的后驗(yàn)概率分布，從而降低粒子濾波的性能。

【發(fā)明內(nèi)容】

[0005]本發(fā)明主要解決的技術(shù)問(wèn)題是提供一種粒子濾波方法、裝置及目標(biāo)跟蹤方法、裝置，能夠增強(qiáng)粒子的多樣性和準(zhǔn)確性，有效提高濾波精度以及目標(biāo)狀態(tài)的估計(jì)性能。
[0006]為解決上述技術(shù)問(wèn)題，本發(fā)明的第一方面是:提供一種粒子濾波方法，包括利用高斯-厄米特積分構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)；根據(jù)多個(gè)積分點(diǎn)概率密度函數(shù)獲取積分點(diǎn)的近似粒子集；根據(jù)目標(biāo)的相關(guān)特性修正近似粒子集以獲取預(yù)測(cè)粒子集；根據(jù)預(yù)測(cè)粒子集獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)；根據(jù)當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)，完成粒子濾波過(guò)程。
[0007]其中，利用高斯-厄米特積分構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)的步驟具體包括:[0008]獲取ki時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)，具體如下式所示:
[0009]
【權(quán)利要求】
1.一種粒子濾波方法，其特征在于，包括: 利用高斯-厄米特積分構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)； 根據(jù)所述多個(gè)積分點(diǎn)概率密度函數(shù)獲取積分點(diǎn)的近似粒子集； 根據(jù)目標(biāo)的相關(guān)特性修正所述近似粒子集以獲取預(yù)測(cè)粒子集； 根據(jù)所述預(yù)測(cè)粒子集獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)； 根據(jù)所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)，完成粒子濾波過(guò)程。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用高斯-厄米特積分構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)的步驟具體包括: 獲取k-Ι時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)，具體如下式所示:
3.根據(jù)權(quán)利要求2所述的方法，其特征在于， 所述積分點(diǎn)X1L1的近似粒子集為
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)目標(biāo)的相關(guān)特性修正所述近似粒子以獲取預(yù)測(cè)粒子集的步驟具體包括: 獲取所述近似粒子集
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述預(yù)測(cè)粒子集獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)的步驟具體包括: 根據(jù)所述預(yù)測(cè)粒子集獲取k-Ι時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)對(duì)應(yīng)的積分點(diǎn) Xl，k—l|k—I 的均值為鄧丨和協(xié)方差 Pl，k|k—I， 具體如下式所示:
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)的步驟具體包括: 估計(jì)所述k時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)P(XkIz^1)對(duì)應(yīng)的積分點(diǎn)為,，具體如下式所示:
7.一種粒子濾波裝置，其特征在于，包括: 積分點(diǎn)概率密度函數(shù)構(gòu)建模塊，用于利用高斯-厄米特積分構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)；近似粒子集獲取模塊，用于根據(jù)所述多個(gè)積分點(diǎn)概率密度函數(shù)獲取積分點(diǎn)的近似粒子集;預(yù)測(cè)粒子集獲取模塊，用于根據(jù)目標(biāo)的相關(guān)特性修正所述近似粒子集以獲取預(yù)測(cè)粒子集; 目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)獲取模塊，用于根據(jù)所述預(yù)測(cè)粒子集獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)； 目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)，用于根據(jù)所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)。
8.一種目標(biāo)跟蹤方法，其特征在于，包括: 接收當(dāng)前目標(biāo)觀測(cè)時(shí)刻以及當(dāng)前目標(biāo)觀測(cè)時(shí)刻之前所觀測(cè)的目標(biāo)狀態(tài)； 利用高斯-厄米特積分以及當(dāng)前目標(biāo)觀測(cè)時(shí)刻之前所觀測(cè)的目標(biāo)狀態(tài)構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)； 根據(jù)所述多個(gè)積分點(diǎn)概率密度函數(shù)獲取積分點(diǎn)的近似粒子集；根據(jù)目標(biāo)的相關(guān)特性修正所述近似粒子集以獲取預(yù)測(cè)粒子集； 根據(jù)所述預(yù)測(cè)粒子集獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)； 根據(jù)所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)以及當(dāng)前目標(biāo)觀測(cè)時(shí)刻所觀測(cè)的目標(biāo)狀態(tài)獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)； 利用所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)，以獲得當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)估計(jì)值； 輸出所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)估計(jì)值，以實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。
9.一種目標(biāo)跟蹤裝置，其特征在于，包括: 觀測(cè)數(shù)據(jù)接收模塊，用于接收當(dāng)前目標(biāo)觀測(cè)時(shí)刻以及當(dāng)前目標(biāo)觀測(cè)時(shí)刻之前所觀測(cè)的目標(biāo)狀態(tài)； 積分點(diǎn)概率密度函數(shù)構(gòu)建模塊，用于利用高斯-厄米特積分以及當(dāng)前目標(biāo)觀測(cè)時(shí)刻之前所觀測(cè)的目標(biāo)狀態(tài)構(gòu)建上一目標(biāo)觀測(cè)時(shí)刻的多個(gè)積分點(diǎn)概率密度函數(shù)； 近似粒子集獲取模塊，用于根據(jù)所述多個(gè)積分點(diǎn)概率密度函數(shù)獲取積分點(diǎn)的近似粒子集; 預(yù)測(cè)粒子集獲取模塊，用于根據(jù)目標(biāo)的相關(guān)特性修正所述近似粒子集以獲取預(yù)測(cè)粒子集; 目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)獲取模塊，用于根據(jù)所述預(yù)測(cè)粒子集獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)； 目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)，用于根據(jù)所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)預(yù)測(cè)概率密度函數(shù)以及當(dāng)前目標(biāo)觀測(cè)時(shí)刻所觀測(cè)的目標(biāo)狀態(tài)獲取當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)； 目標(biāo)狀態(tài)估計(jì)模塊，用于利用所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)后驗(yàn)概率密度函數(shù)對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)，以獲得當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)估計(jì)值； 目標(biāo)狀態(tài)估計(jì)值輸出模塊，用于輸出所述當(dāng)前目標(biāo)觀測(cè)時(shí)刻的目標(biāo)狀態(tài)估計(jì)值，以實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。
【文檔編號(hào)】G06F19/00GK103902812SQ201410079861
【公開(kāi)日】2014年7月2日 申請(qǐng)日期:2014年3月5日 優(yōu)先權(quán)日:2014年3月5日
【發(fā)明者】李良群, 謝維信, 劉宗香 申請(qǐng)人:深圳大學(xué)