本发明涉及鱼群追踪
技术领域：
，具体是一种鱼类运动状态的模型算法。
背景技术：
：运动目标追踪是当今科学研究的热点也是非常重要的研究工具，水下目标跟踪源于军事领域的研究，最近一段时期才在民用方面开展起来，且最近几年研究的热度也在不断地提高。在渔业领域的研究目前还比较少，在对鱼群追踪和个体追踪计数等方面，有着广阔的研究前景。目前在水下运动目标追踪研究方面，国外的一些研究机构已经做了较多的研究工作。但是鱼类的运动变化大，很难用一种运动模型来描述实时的运动状态。现常用运动模型，要么适合匀速运动的物体，要么适合加速变化不大的物体，像鱼类的运动速度变化大并且加速度变化也大，而且方向也不确定的物体，很难用一种运动模型来描述鱼类的运动状态，因此在这些基础常用的运动模型的基础上提出了综合运用二阶匀速模型(CV)、三阶匀加速模型(CA)和布朗模型这三种运动模型结合的交互式多模型算法来描述鱼类的运动状态。技术实现要素：本发明的目的在于提供一种鱼类运动状态的模型算法，以解决上述
背景技术：
中提出的问题。为实现上述目的，本发明提供如下技术方案：一种鱼类运动状态的模型算法，过程如下：(1)在声学图像中设有T个目标，其状态方程和测量方程分别表示为Xt(k)=Ft(k-1)+Wt(k-1)Z(k-1)=H(k-1)Xt(k-1)+V(k-1)]]>式中：k＝1，2，…；t＝1，2，…，T；其中Xt(k)为k时刻目标t的状态向量初值，Xt(0)是均值为协方差的随机向量，且独立于Wt(k)；Ft(k)为目标t的状态转移矩阵；Wt(k)为状态噪声，其均值为零的高斯白噪声；Z(k)为k时刻目标的测量值；H(k)为测量矩阵；V(k)为测量噪声，其均值为零的高斯白噪声；(2)在整个过程中，运动模型是N个模型中的一个，即鱼类处在N个模式中的某一个，Mi为系统处在模式i的先验概率为P{Mi|Z0}＝μi(0)ι＝1，2，…，N式中：Z0为先验信息，而(3)分别以CV模型(二阶匀速模型)-M1、CA模型(三阶匀加速模型)-M2和布朗模型-MN三种运动模型来构成模型算法，其状态转移矩阵分别如下：F1=100000000000000001000000000000,F2=1Ts0000100000000001Ts00001000000,FM=1TsTs20001Ts0000000001TsTs20001Ts00000.]]>与现有技术相比，本发明的有益效果是：本发明交互式多模型算法用于解决被追踪的目标发生机动状态时建立运动模型困难的问题，其一般由两个以上的运动模型交互得到目标状态的估计，用模型的后验概率对滤波器的输入、输出进行加权计算，使得算法中的当前模型尽可能接近金枪鱼的实际运动状况，具有递推性、模块化、固定的运算量突出的优点。附图说明图1为本发明交互式多模型算法的流程图。具体实施方式下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。鱼类运动状态的模型算法，过程如下：(1)在声学图像中设有T个目标，其状态方程和测量方程分别表示为Xt(k)=Ft(k-1)+Wt(k-1)Z(k-1)=H(k-1)Xt(k-1)+V(k-1)]]>式中：k＝1，2，…；t＝1，2，…，T；其中Xt(k)为k时刻目标t的状态向量初值，Xt(0)是均值为协方差的随机向量，且独立于Wt(k)；Ft(k)为目标t的状态转移矩阵；Wt(k)为状态噪声，其均值为零的高斯白噪声；Z(k)为k时刻目标的测量值；H(k)为测量矩阵；V(k)为测量噪声，其均值为零的高斯白噪声；(2)在整个过程中，运动模型是N个模型中的一个，即鱼类处在N个模式中的某一个，Mi为系统处在模式i的先验概率为P{Mi|Z0}＝μi(0)ι＝1，2，…，N式中：Z0为先验信息，而(3)分别以CV模型(二阶匀速模型)-M1、CA模型(三阶匀加速模型)-M2和布朗模型-MN三种运动模型来构成模型算法，其状态转移矩阵分别如下：F1=100000000000000001000000000000,F2=1Ts0000100000000001Ts00001000000,FM=1TsTs20001Ts0000000001TsTs20001Ts00000.]]>本发明交互式多模型算法(IMM算法)是由混合状态系统发展而来的一种优秀的跟踪算法，基本的思想是假设分支的合并，模型之间基于一个马尔可夫链进行切换，目标的状态是多个滤波器相互交互作用的结果，1MM算法常被用于解决被追踪的目标发生机动状态时建立运动模型困难的问题，其一般由两个以上的运动模型交互得到目标状态的估计，用模型的后验概率对滤波器的输入、输出进行加权计算，使得算法中的当前模型尽可能接近金枪鱼的实际运动状况，其具有递推性、模块化、固定的运算量三个突出的特点。如图1所示，本发明交互式多模型算法的流程如下：首先输入k＝1时的各模型的状态方程X1(0/0)、X2(0/0)、XN(0/0)，得到各模型状态方程X01(0/0)、X02(0/0)、XON(0/0)，根据Z(1)测量方程以及运动模型滤波器M1(1)、M2(1)、MN(1)，可得到各模型的概率Λ1(1)、Λ2(1)、ΛN(1)、μ(1)以及估算的各模型的状态方程X1(1)、X2(1)、XN(1)，然后输入k＝2，如此递推出状态方程X(k)。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。当前第1页1 2 3