一种角度信息辅助的集中式多传感器多假设跟踪方法
【专利摘要】本发明提供一种角度信息辅助的集中式多传感器多假设跟踪（CMS-MHT）方法，其实现步骤如下：（1）对航迹进行预测；（2）形成当前时刻所有可能的航迹-量测关联假设，并计算角度信息辅助的航迹得分；（3）航迹树剪枝；（4）对航迹进行多传感器滤波。当传感器测量误差不大的情况下，本发明通过采用角度信息辅助的航迹得分计算方法，得到了更加符合实际情况的航迹得分，降低了航迹-量测关联假设不确定性，得到了比传统CMS-MHT方法更好的跟踪效果，主要体现在降低了漏情率，同时提高了航迹完整性。
【专利说明】一种角度信息辅助的集中式多传感器多假设跟踪方法
【技术领域】
[0001]本发明属于目标跟踪领域，涉及一种角度信息辅助的集中式多传感器多假设跟踪(CMS-MHT)方法。
【背景技术】
[0002]当前应用于集中式多传感器多目标跟踪的数据关联方法，主要是由单传感器多目标跟踪方法推广而来的。例如集中式多传感器联合概率数据互联方法(CMS-JPDA)、集中式多传感器多假设跟踪方法(CMS-MHT)等。多假设跟踪(MHT)方法可以将多目标跟踪所涉及的航迹起始、数据关联、航迹维持及航迹终止等多个环节统一在一个框架内，在检测概率比较低、杂波密度比较大和目标比较密集时，MHT方法被普遍认为是解决数据关联问题的最好方法。尽管CMS-MHT算法具有同样的优点，但在密集杂波环境下，由于每个时刻需要处理来自多个传感器的量测，与应用于单传感器的MHT方法相比，CMS-MHT处理中可能的航迹-量测关联假设数量大大增加，从而增大了航迹-量测关联假设不确定性。而航迹-量测关联假设不确定性的增加容易引发错误关联现象，最终导致得到的航迹质量降低。
【发明内容】
[0003]本发明要解决的技术问题是:当传感器测量误差不大的情况下，针对在传统集中式多传感器多假设跟踪(CMS-MHT)方法中航迹-量测关联不确定性的增大，本发明提供一种角度信息辅助的CMS-MHT方法，通过给出角度信息辅助的航迹得分计算方法，得到了更符合实际情况的航迹得分，从而降低了航迹-量测关联假设不确定性，得到了更好的跟踪效果。
[0004]本发明解决其技术`问题所采用的技术方案是:一种角度信息辅助的CMS-MHT方法实现步骤如下:首先对航迹进行预测；然后根据融合中心接收到的所有传感器量测形成所有可能的航迹-量测关联假设，并计算角度信息辅助的航迹得分；接着进行航迹树剪枝?’最后对航迹进行多传感器滤波。具体包括以下步骤:
[0005]步骤(I )、对航迹进行预测；
[0006]步骤(2)、形成当前时刻所有可能的航迹-量测关联假设，并计算角度信息辅助的航迹得分；
[0007]步骤(3)、航迹树剪枝；
[0008]步骤(4 )、对航迹进行多传感器滤波。
[0009]所述步骤(1)对航迹进行预测如下:
[0010]假定状态描述和量测描述均是在直角坐标系下，离散时间系统的动态方程为:
[0011]X (k+1) = F (k) X (k) +V (k)
[0012]其中k表示跟踪的时刻；X(k)是k时刻目标的状态向量；F(k)为k时刻目标状态转移矩阵；V(k)为零均值白色高斯过程噪声序列，协方差为Q(k)。当凡个传感器观测同一运动目标时，第i个传感器的测量方程为:[0013]Zi (k+1) = Hi (k+1) X (k+1) +Wi (k+1), i = I, 2, — , Ns
[0014]式中，Zi (k+1)为量测向量，Hi (k+1)为测量矩阵，Wi (k+1)是均值为零且相互独立的高斯序列，其协方差为Ri (k+Ι)。假设各个传感器独立工作，且WiGO、Wj(k) (i ^ j)、V(k)和目标初始状态相互独立。则k+Ι时刻状态预测及状态预测协方差为:
[0015]X (k+11 k) = F (k) X (k)
[0016]P (k+11 k) = F (k) P (k) F (k) T+Q (k)
[0017]其中X (k+11 k)为k+1时刻状态预测；P (k+11 k)为k+1时刻状态预测协方差。
[0018]所述步骤(2)形成当前时刻所有可能的航迹-量测关联假设，并计算角度信息辅助的航迹得分:
[0019]设用于跟踪的传感器数目为Ns，k时刻来自传感器i(i = 1,2,-,Ns)的量测数为mK，融合中心在k时刻所获最新综合量测集为Z(k)，即:
[0020]Z(k) = \Z\ / = 1,2,...,%,/, =1,2,...,?本
[0021]其中，Z;:(k)表示k时刻传感器i的第Ii个量测，假设k时刻的航迹数目为Nt，在k
时刻目标t (t = 1，2，…，Nt)与各个传感器量测的一个关联假设可以用一个向量表示:
[0022](/丨,/”…,/、) /,.=0,1,2,.“，/'.，1,2,...,,Vj
[0023]其中，当Ii古0(i = 1，2，..., Ns)时,表示传感器i的第Ii个量测来自目标t ;当Ii = 0(i = I, 2，…，Ns)时,表示传感器i没有探测到目标t。
[0024]假设航迹t在k-Ι时刻得分为L (k-Ι)，在k时刻航迹预测位置为Z，则对于k时刻关联假设(ΑΛ，...,&)，航迹t的得分L(k)为:
[0025][0026]
[0027][0028]
[0029]
[0030]
【权利要求】
1.一种角度信息辅助的集中式多传感器多假设跟踪(CMS-MHT)方法，其特征在于实现步骤如下: 步骤(1)、对航迹进行预测； 步骤(2)、形成当前时刻所有可能的航迹-量测关联假设，并计算角度信息辅助的航迹得分； 步骤(3)、航迹树剪枝； 步骤(4 )、对航迹进行多传感器滤波。
2.根据权利要求1所述的一种角度信息辅助的集中式多传感器多假设跟踪(CMS-MHT)方法，其特征在于:所述步骤(1)对航迹进行预测如下: 假定状态描述和量测描述均是在直角坐标系下，离散时间系统的动态方程为:
X(k+1) = F (k) X (k) +V (k) 其中k表示跟踪的时刻；X(k)是k时刻目标的状态向量；F(k)为k时刻目标状态转移矩阵；V(k)为零均值白色高斯过程噪声序列，协方差为Q(k)，当Ns个传感器观测同一运动目标时，第i个传感器的测量方程为:
Zi (k+1) = Hi (k+1) X (k+1) +Wi (k+1)，i = 1，2，...，Ns 式中，Zi (k+1)为量测向量，Hi (k+1)为测量矩阵，Wi (k+1)是均值为零且相互独立的高斯序列，其协方差为Ri (k+1)，假设各个传感器独立工作，且WiGO、WjGO (i幸j)、V(k)和目标初始状态相互独立，设k时刻目标状态的融合估计为X (k),状态协方差为P (k),则融合中心k+Ι时刻状态预测及状态协方差预测为:
X (k+1 |k) = F (k) X (k)
P (k+11 k) = F (k) P (k) F (k) T+Q (k) 其中X (k+11 k)为k+1时刻状态预测；P(k+l|k)为k+1时刻状态协方差预测。
3.根据权利要求1所述的一种角度信息辅助的集中式多传感器多假设跟踪(CMS-MHT)方法，其特征在于:所述步骤(2)形成当前时刻所有可能的航迹-量测关联假设，并计算角度信息辅助的航迹得分如下: 设用于跟踪的传感器数目为Ns，k时刻来自传感器i(i = 1,2,-,Ns)的量测数为《%,，融合中心在k时刻所获最新综合量测集为Z (k)，即:
4.根据权利要求1所述的一种角度信息辅助的集中式多传感器多假设跟踪(CMS-MHT)方法，其特征在于:所述步骤(3)航迹树剪枝如下: 一个目标的所有时刻的量测-航迹关联假设组成了一个航迹树，该方法中采用的航迹树剪枝技术有:基于得分的航迹删除和确认、N回扫剪枝技术、基于全局概率的航迹删除技术。
5.根据权利要求1所述的一种角度信息辅助的集中式多传感器多假设跟踪(CMS-MHT)方法，其特征在于:所述步骤(4)对航迹进行多传感器滤波如下: 首先将所有传感器的量测集中起来，形成一个更高维的量测矢量:
【文档编号】G01C21/20GK103759732SQ201410016173
【公开日】2014年4月30日 申请日期:2014年1月14日 优先权日:2014年1月14日
【发明者】孙进平, 王欢, 付锦斌 申请人:北京航空航天大学