专利名称：当前统计模型的概率假设密度粒子滤波器的设计及滤波器的制作方法
技术领域：
本发明涉及粒子滤波器的设计方法及硬件电路，尤其是涉及一种当前统计模型的概率假设密度粒子滤波器的设计及滤波器。
背景技术：
机动目标跟踪是指利用测量设备得到的目标测量信息，通过建立合理准确的目标运动模型，使用随机过程、估计与检测理论、滤波算法等现代信号处理技术，对机动目标的运动状态(位置、速度、加速度等)进行估计和检测。经过几十年的研究发展，机动目标跟踪已经在军事和国民经济上都得到了广泛的应用，如军事上的精确制导、反弹道导弹防御、卫星侦察等方面，民用上的民航飞机的空中交通管制、机器人定位、汽车防撞和导航系统等方面。由于目标机动的复杂性、随机性和多样性，对机动目标的可靠精确跟踪一直是国际上的研究难点和热点，国内外众多学者都致力于研究满足实时性和精度要求的有效机动目标跟踪方法。粒子滤波作为一种基于贝叶斯估计的非线性滤波算法，在处理非线性运动目标跟踪问题方面有独到的优势。但粒子滤波的框架中并没有包含数据关联的机制，当对多个目标进行跟踪，目标数发生变化或目标相互遮挡时，会出现跟踪目标的丢失。此外，多个目标之间的干扰也会影响跟踪的准确性。而近年来提出的概率假设密度算法用于跟踪多目标，不仅不需要做数据关联，而且可以跟踪目标数目不定的多个目标。它传递多目标联合后验概率分布的一阶矩，在保证跟踪精度的同时，极大地减少了计算量。在应用粒子滤波进行多目标跟踪的基础上，将粒子滤波和概率假设密度相结合来处理多目标跟踪问题的技术框架，为解决杂波环境下多目标跟踪的问题提供了一个很好的方法。
对于目标机动问题，在建立机动目标模型时，一般的原则是所建立的模型既要符合机动实际，又要便于数学处理，其中，由我国周宏仁博士提出的当前统计模型的优点在于，当目标正以某一加速度进行机动时，下一时刻的加速度取值是有限制的，即只能在“当前” 加速度的领域内取值，无需考虑所有可能的机动加速度值。其实质是自适应调整均值的 Singer模型，目标机动加速度的当前概率密度用修正的瑞利分布表示，该算法跟踪精度高， 实时性好。
由于粒子滤波与概率假设密度相结合在硬件上的可实现性，和当前统计模型对跟踪机动目标能达到较好的性能，因此，将概率假设密度粒子滤波器和当前统计模型方法应用到实际的多机动目标跟踪，将会有很大的现实意义，这也使得研究将算法转化成硬件电路实现成为需要。
发明内容
为了研究将当前统计模型和概率假设密度粒子滤波器同时应用于多机动目标跟踪，本发明的目的在于提供一种当前统计模型的概率假设密度粒子滤波器的设计及滤波
本发明采用的技术方案是
一、一种基于当前统计模型的概率假设密度粒子滤波器的设计方法
1)在预测电路中，为了跟踪机动多目标，采用当前统计模型对目标的后验概率分布进行采样得到粒子分布；
2)对于每一个观测值，所有粒子都需要参与一个观测值处理电路。由于选取的观测值过多会带来时延从而影响实时性，所以综合考虑性能和实时性，选择使用m个观测值参与更新电路的运算，其中机动多目标的最大数为n，杂波数目通过泊松过程产生，均值为p，以小概率事件计算，杂波的最大数目为m - n，所用到的观测值处理电路小于等于m ；
3)考虑到系统重采样算法必须在获得所有粒子的权值及其权值之和才开始运行，不利于流水运行，从而影响实时性，因此考虑选择固定的阈值T，使用简化重采样算法，在获得粒子及其权值时即刻开始运行重采样操作，而无需等待所有粒子的生成，且易于并行实现；
4)在状态估计电路中，需要计算机动目标当前加速度均值，并将其返回到预测电路， 用于下一时刻利用当前统计模型对目标的后验概率分布进行采样；
5)滤波器使用粒子来表征目标的后验概率分布，由于粒子滤波器的性能和粒子的数目成正比，但是在硬件电路中，粒子数目过多会带来延时从而影响实时性，所以综合考虑性能和实时性，选择使用IOM个粒子用于存活粒子，另外IOM个粒子用于新生粒子；
6)在滤波器设计方法中，估计目标的状态值需要用到聚类算法，这一步骤将使用软件计算或者DSP处理，硬件电路不做具体处理。二、一种基于当前统计模型的概率假设密度粒子滤波器
一种基于当前统计模型的概率假设密度粒子滤波器包括预测电路、更新电路、重采样电路和状态估计电路；其观测值接更新电路的第一输入端，预测电路的第一输入端接状态估计电路的第一输出端，预测电路的输出端接更新电路的第二输入端，更新电路的输出端接重采样电路的输入端，重采样电路的第一输出端接预测电路的第二输入端，重采样电路的第二输出端接状态估计电路的输入端。所述的预测电路，包括第一计数器，第二计数器，粒子序号存储器，粒子状态存储器，采样电路，状态估计电路，选择器，新生粒子生成器；第一计数器的输出端接粒子序号存储器的第一输入端，第二计数器的输出端接粒子序号存储器的第二输入端，粒子序号存储器的第一输出端接粒子状态存储器的第一输入端，粒子序号存储器的第二输出端接粒子状态存储器的第二输入端，粒子状态存储器的输出端接采样电路的第一输入端，状态估计电路的输出端接采样电路的第二输入端，采样电路的输出端接选择器的第一输入端，新生粒子生成器接选择器的第二输入端，新生粒子信号接选择器的第三输入端，选择器的输出端接粒子状态存储器的第三输入端。所述的更新电路，包括结构相同的m个观测值处理电路，加法运算电路和权重更新计算电路；其中，每个观测值处理电路包括似然函数计算电路，第一乘法器，RAM，第一加法器、累加器、第二加法器、倒数计算电路和第二乘法器；加法运算电路包括第三加法器； 权重更新计算电路包括第四加法器和第三乘法器；观测值接更新电路的m个观测值处理电路的输入端，每个观测值分别连接到各自对应的似然函数计算电路的输入端，似然函数计算电路的输出端连接第一乘法器的第一输入端，第一乘法器的第二输入端连接检测到概率，第一乘法器的输出端接RAM的输入端和第一加法器的第一输入端，RAM的输出端连
接第二乘法器的第一输入端，第一加法器的第二输入端连接预测权重，第一加法器的输出端连接累加器的输入端，累加器的输出端连接第二加法器的第一输入端，第二加法器的第
二输入端连接杂波密度&(20 ,第二加法器的输出连接倒数计算电路的输入端，倒数计算电
路的输出端连接乘法器的第二输入端，乘法器的输出端连接第三加法器的输入端，第三加法器的输出端连接第四加法器的第一输入端，第四加法器的第二输入端连接未检测到概率
第四加法器的输出端连接第三乘法器的第一输入端，第三乘法器的第二输入端连
接预测权重。所述的重采样电路，包括第一计数器，粒子权值存储器，比较器，第二计数器，第三计数器，选择器，粒子序号存储器；第一计数器的输出端接粒子权值存储器的输入端和粒子序号存储器的第一输入端，粒子权值存储器的输出端接比较器的第一输入端，阈值T接比较器的第二输入端，比较器的第一输出端接第二计数器的输入端，第二计数器的输出端接选择器的第一输入端，比较器的第二输出端接第三计数器的输入端，第三计数器的输出端接选择器的第二输入端，选择器的输出端接粒子序号存储器的第二输入端。本发明与背景技术相比，具有的有益效果是
本发明在一种基于当前统计模型的概率假设密度粒子滤波器的理论基础上，设计了它的滤波器实现方案，仿真结果表明，此概率假设密度粒子滤波器的设计方法及滤波器的跟踪性能和理论分析相近，能够用于跟踪杂波环境下的多机动目标跟踪的问题。
图1是本发明的结构原理框图。图2是图1的预测电路原理框图。图3是图1的更新电路原理框图。图4是图1的重采样电路原理框图。图5是设计方法软件仿真和滤波器的性能比较图。图中1、观测值，2、预测电路，3、更新电路，4、重采样电路，5、状态估计电路，21、粒子状态存储器，22、采样电路，23、选择器，24、新生粒子生成器，3A、观测值处理电路，3B、加法运算电路、3C、权重更新计算电路，31、似然函数计算电路，32、第一乘法器，33、RAM，34、 第一加法器，35、累加器，36、第二加法器，37、倒数计算电路，38、第二乘法器，3B1、第三加法器，3C1、第四加法器，3C2、第三乘法器，41、第一计数器，42、粒子权值存储器，43、比较器， 44、第二计数器，45、第三计数器，46、选择器，47、粒子序号存储器，48、第一计数器，49、第二计数器。
具体实施例方式下面结合附图和实施例对本发明作进一步说明。如图1所示，本发明包括预测电路2，更新电路3，重采样电路4，状态估计电路5 ； 观测值1接更新电路3的第一输入端，预测电路2的第一输入端接状态估计电路5的第一输出端，预测电路2的输出端接更新电路3的第二输入端，更新电路3的输出端接重采样电路4的输入端，重采样电路4的第一输出端接预测电路2的第二输入端，重采样电路4的第二输出端接状态估计电路5的输入端。如图2所示，所述的预测电路2，包括第一计数器48，第二计数器49，粒子序号存储器47，粒子状态存储器21，采样电路22，状态估计电路5，选择器23，新生粒子生成器M ’第一计数器48的输出端接粒子序号存储器47的第一输入端，第二计数器49的输出端接粒子序号存储器47的第二输入端，粒子序号存储器47的第一输出端接粒子状态存储器21的第一输入端，粒子序号存储器47的第二输出端接粒子状态存储器21的第二输入端，粒子状态存储器21的输出端接采样电路22的第一输入端，状态估计电路5的输出端接采样电路22 的第二输入端，采样电路22的输出端接选择器23的第一输入端，新生粒子生成器M接选择器23的第二输入端，新生粒子信号接选择器23的第三输入端，选择器23的输出端接粒子状态存储器21的第三输入端。表1第一计数器48的计数方式
权利要求
1.一种基于当前统计模型的概率假设密度粒子滤波器的设计方法，其特征在于1)在预测电路中，为了跟踪机动多目标，采用当前统计模型对目标的后验概率分布进行采样得到粒子分布；2)对于每一个观测值，所有粒子都需要参与一个观测值处理电路；由于选取的观测值过多会带来时延从而影响实时性，所以综合考虑性能和实时性，选择使用m个观测值参与更新电路的运算，其中机动多目标的最大数为n，杂波数目通过泊松过程产生，均值为p，以小概率事件计算，杂波的最大数目为m - n，所用到的观测值处理电路小于等于m ；3)考虑到系统重采样算法必须在获得所有粒子的权值及其权值之和才开始运行， 不利于流水运行，从而影响实时性，因此考虑选择固定的阈值，使用简化重采样算法，在获得粒子及其权值时即刻开始运行重采样操作，而无需等待所有粒子的生成，且易于并行实现；4)在状态估计电路中，需要计算机动目标当前加速度均值，并将其返回到预测电路， 用于下一时刻利用当前统计模型对目标的后验概率分布进行采样；5)滤波器使用粒子来表征目标的后验概率分布，由于粒子滤波器的性能和粒子的数目成正比，但是在硬件电路中，粒子数目过多会带来延时从而影响实时性，所以综合考虑性能和实时性，选择使用IOM个粒子用于存活粒子，另外IOM个粒子用于新生粒子；6)在滤波器设计方法中，估计目标的状态值需要用到聚类算法，这一步骤将使用软件计算或者DSP处理，硬件电路不做具体处理。
2.根据权利要求1所述方法的一种基于当前统计模型的概率假设密度粒子滤波器，其特征在于包括预测电路(2)、更新电路(3)、重采样电路(4)和状态估计电路(5);观测值 (1)接更新电路(3)的第一输入端，预测电路(2)的第一输入端接状态估计电路(5)的第一输出端，预测电路(2)的输出端接更新电路(3)的第二输入端，更新电路(3)的输出端接重采样电路(4)的输入端，重采样电路(4)的第一输出端接预测电路(2)的第二输入端，重采样电路(4)的第二输出端接状态估计电路(5)的输入端。
3.根据权利要求2所述的一种基于当前统计模型的概率假设密度粒子滤波器，其特征在于所述的预测电路(2)，包括第一计数器(48)，第二计数器(49)，粒子序号存储器(47)， 粒子状态存储器(21)，采样电路(22)，状态估计电路(5)，选择器(23)，新生粒子生成器 (24)；第一计数器(48)的输出端接粒子序号存储器(47)的第一输入端，第二计数器(49) 的输出端接粒子序号存储器(47)的第二输入端，粒子序号存储器(47)的第一输出端接粒子状态存储器(21)的第一输入端，粒子序号存储器(47)的第二输出端接粒子状态存储器 (21)的第二输入端，粒子状态存储器(21)的输出端接采样电路(22)的第一输入端，状态估计电路(5)的输出端接采样电路(22)的第二输入端，采样电路(22)的输出端接选择器(23) 的第一输入端，新生粒子生成器(24)接选择器(23)的第二输入端，新生粒子信号接选择器 (23)的第三输入端，选择器(23)的输出端接粒子状态存储器(21)的第三输入端。
4.根据权利要求2所述的一种基于当前统计模型的概率假设密度粒子滤波器，其特征在于所述的更新电路(3)，包括结构相同的m个观测值处理电路(3A)，加法运算电路(3B) 和权重更新计算电路(3C)；其中每个观测值处理电路(3A)包括似然函数计算电路(31)， 第一乘法器(32)，RAM (33)，第一加法器(34)、累加器(35)、第二加法器(36)、倒数计算电路(37)和第二乘法器(38)；加法运算电路(3B)包括第三加法器(3B1)；权重更新计算电路(3C)包括第四加法器(3C1)和第三乘法器(3C2)；观测值(1)接更新电路(3)的m个观测值处理电路(3A)的输入端，每个观测值分别连接到各自对应的似然函数计算电路(31)的输入端，似然函数计算电路(31)的输出端连接第一乘法器(32)的第一输入端，第一乘法器(32)的第二输入端连接检测到概率，第一乘法器(32)的输出端接RAM (33)的输入端和第一加法器(34)的第一输入端，RAM (33)的输出端连接第二乘法器(38)的第一输入端， 第一加法器(34)的第二输入端连接预测权重，第一加法器(34)的输出端连接累加器(35) 的输入端，累加器(35)的输出端连接第二加法器(36)的第一输入端，第二加法器(36)的第二输入端连接杂波密度&(力，第二加法器(36)的输出连接倒数计算电路(37)的输入端，倒数计算电路(37)的输出端连接乘法器(38)的第二输入端，乘法器(38)的输出端连接第三加法器(3B1)的输入端，第三加法器(3B1)的输出端连接第四加法器(3C1)的第一输入端，第四加法器(3C1)的第二输入端连接未检测到概率Wfi),第四加法器(3C1)的输出端连接第三乘法器(3C2)的第一输入端，第三乘法器(3C2)的第二输入端连接预测权重。
5.根据权利要求2所述的一种基于当前统计模型的概率假设密度粒子滤波器，其特征在于所述的重采样电路(4)，包括第一计数器(41)，粒子权值存储器(42)，比较器(43)，第二计数器(44)，第三计数器(45)，选择器(46)，粒子序号存储器(47);第一计数器(41)的输出端接粒子权值存储器(42)的输入端和粒子序号存储器(47)的第一输入端，粒子权值存储器(42)的输出端接比较器(43)的第一输入端，阈值T接比较器(43)的第二输入端，比较器(43)的第一输出端接第二计数器(44)的输入端，第二计数器(44)的输出端接选择器 (46)的第一输入端，比较器(43)的第二输出端接第三计数器(45)的输入端，第三计数器 (45)的输出端接选择器(46)的第二输入端，选择器(46)的输出端接粒子序号存储器(47) 的第二输入端。
全文摘要
本发明公开了一种当前统计模型的概率假设密度粒子滤波器的设计及滤波器。其观测值接更新电路的第一输入端，预测电路的第一输入端接状态估计电路的第一输出端，预测电路的输出端接更新电路的第二输入端，更新电路的输出端接重采样电路的输入端，重采样电路的第一输出端接预测电路的第二输入端，重采样电路的第二输出端接状态估计电路的输入端。本发明在基于当前统计模型的概率假设密度粒子滤波器的理论基础上，设计了它的硬件电路实现方案，仿真结果表明，其跟踪性能和理论分析相近，能够用于跟踪杂波环境下的机动多目标运动的问题。
文档编号H03H7/01GK102307041SQ20111010995
公开日2012年1月4日 申请日期2011年4月29日 优先权日2011年4月29日
发明者史治国, 洪少华, 郑云美, 金梦珺, 陈积明 申请人:浙江大学