est ( kl ) , .. , pathshortest 化其中m为束 1簇中所包含的巧短路径 数，转步骤9);
[0040] 步骤9):令 1 = 1 ,cnt = 0,Ysh〇rtest= Φ，Pfinal= Φ，其中 Φ为空集，转步骤 10);
[0041] 步骤10):考察第1簇Cl，若Cl仅包含单条最短路径，则所得最短路径pathshortest化） 则为第k个目标的最可能观测序列，将该路径存储到第k个目标的最可能观测序列pathfinal (k) =pathshortest(k)，将在其中出现过的观测值加入到Yshortest中，将pathfinal(k)加入到 Pfinal中，转步骤11);若包含多条路径，转步骤10);
[0042] 步骤 11) :cnt = cnt+l，Rcnt = Ci，转步骤 12);
[0043] 步骤12):令1 = 1+1，若1如，转步骤10);否则转步骤13);
[0044] 步骤 13) :num = cnt，转步骤 14);
[0045] 步骤14):令1 = 1，转步骤15);
[0046] 步骤15):清空有序图Map,对未找到pathfinal化)的第一个目标，假设为簇Cl中第h =1个目标，在原K个目标中的编号为^ = ?，对托{1，。'典}，循环执行:假设该目标在* = 1 时刻的观测值为捉，其中该观测值未在已经得到的pathfinal(k)的观测序列中出现过即 更新其路径P a t h η e W = [ j ]，计算对数似然函数的负值
W负对数似然函数值NLL (pathnew)为键值，W路径pathnew和当前目标状态为内容，鸦
如 入到有序图Map中，转步骤16);
[0047] 步骤16):从有序图Map中取出键值最小的节点Nodemin，若该节点的的当前路径 patWn的总观测数量为Tmin =化T，其中化为第k个目标所属的簇Cl中的目标个数，则保存该 最可能观测路径pathshQrtest(Cl) =pathmin，转步骤19);否则转步骤17);
[004引步骤17):若Tmin = ηΤ，η <化，令?二U = \，对j e {1，…，nt}，循环执行：假设簇Cl中 第h=n目标在t=l时刻的观测值为於，其中该观测值未在已经得到的pathfinal化)的观测 序列中出现过兴巧，且未在pathmin中出现过，更新其路径pa化new=山，计算对数似然 函数的负值
，^负 对数似然函数值化L(pathnew)为键值，W路径pathnew和当前目标状态挣为内容，将 ?'\心脚11。:64，{仰统。6^,皆}}加入到有序图1曰口中，转步骤16);若1"1。不是1'的整数倍，转步骤 18);
[0049]步骤18):在t = Tmin时刻，对jE{l，···，〇*}，循环执行：假设当前目标在t时刻的观 测值为_}'/，·其中_y/ 6^/,。,.;。;切未在P曰thmin中出现过，更新其路径pathnew= [pathmin j]，计算 对数似然函数的负值
和 Λ-.? =八批' I)，WNLL(pathnew)为键值，W路径pathnew和当前目标状态若为内容，将
加入到有序图Map中，其中有序图的键值按照升序排列，转步骤 16);
[0050] 步骤19):将pathshortest(Ci)中的观测序列等分为Ni个长度为T的序列 少抹&1，···，脚％.，并保存到最终路径牛
'并添加 到Pfinal中，转步骤20);
[0化。步骤20):令1 = 1+1，若1含1^，转步骤15)，否则结束。
[0052]图2中为仿真场景，共20个目标的实际航迹。连续利用50帖测量对目标进行跟踪， 平均杂波数量设置为1000。图3中给出了仿真结果。从图3的仿真结果可W看出：1)估计跟踪 航迹与实际目标航迹高度吻合，充分说明了算法的有效性;2)在保持了多假设类目标跟踪 算法精度的基础上，有效地降低了算法的复杂度，提高了多目标跟踪算法的实时性。在本仿 真设定中，连续50帖跟踪所需时间小于10s，大大提高了多目标跟踪算法的处理能力。
【主权项】
1. 一种基于改进K最短路径的多假设目标跟踪方法，其特征在于:包括以下步骤： 步骤1):给定多个时间点丨'，卜…人,丨、的传感器观测序列f ，其中 及全( 为乜时刻传感器的所有m个观测，包括杂波和目标响应，.y/ e ，心为 观测的维数；# € 表示当前节点所对应的的目标状态，dx为目标状态的维数；）? =厂(' ) 为ti时刻传感器观测方程，λ：%ι = //(x,)为目标从ti时刻至ti+1时刻的状态方程;设当前需要 跟踪的第k个目标的初始状态为<，其中ke {1，…，K}，转步骤2); 步骤2):初始化，构造图中节点node，每个节点包括：当前目标所对应的假设观测序列 (下称路径)path(初始为空）、当前目标最新状态X，当前目标的观测序列为path时的负对数 似然函数值，转步骤3); 步骤3):令k = 1，转步骤4); 步骤4):清空有序图Map，对j e {1，…，nt}，循环执行对第k个目标，假设该目标在t = 1时 刻的观测值为，更新其路径p a t h n e w = [ j ]，计算对数似然函数的负值 = - = F(H(xi))卜丨A和 < =丑(x^)，以负对数似然函数值N L L (pathnew)为键值，以路径path-和当前目标状态xf为内容，将{MX(path,KV.)，{pa^ OTxf 〇 加入到有序图Map中，其中有序图的键值按照升序排列，转步骤5); 步骤5):从有序图Map中取出键值最小的节点Nodemin，若该节点的的当前路径pathmin的 总观测数量为Tmin=T，则保存该目标的最可能观测路径pathsh〇rtest(k) =pathmin，转步骤7); 否则转步骤6); 步骤6):在t = Tmin时刻，对j e {1，…，nt}，循环执行对第k个目标，假设该目标在t时刻的 观测值为Y _，更新其路径P a t h n e w = [ p a t h m i n j ]，计算对数似然函数的负值 = MZ(path一）- log = F(H(xf)) Ut, 〇 和彳=只(<-,)，以负对数似然函 数值N L L ( p a t h n e w )为键值，以路径p a t h n e w和当前目标状态 < 为内容，将 卜LL(path_),{|^魂加入到有序图Map中，其中有序图的键值按照升序排列，转步骤 5)； 步骤7):令k = k+l，若k < K，转步骤4)，否则转步骤7); 步骤8):对所有得到的K个目标的最短路径pathshcirtest(k)，ke{l，"_，K}，计算不同最短 路径之间的共用观测值，并按照路径间是否具有共用观测值分簇(如果两条路径具有共用 观测值，则此两条路径属于同一个簇，否则两条路径属于两个簇），得到L个簇C 1 = { pathshortest ( kl )，…，pathshortest ( km)}，lG{l，"_，L}，其中Π1 为弟 1族中所包含的取短路径 数，转步骤9); 步骤9):令 1 = 1，Cnt = 0，Yshortest= φ，Pfinal= φ，其中 φ 为空集，转步骤 10); 步骤10):考察第1簇(^，若&仅包含单条最短路径，则所得最短路径pathshcirt(3St(k)则为 第k个目标的最可能观测序列，将该路径存储到第k个目标的最可能观测序列pathfinal(k)= pathshortest(k)，将在其中出现过的观测值加入到Yshortest中，将pathfinal(k)加入到Pfinal中， 转步骤11);若包含多条路径，转步骤10); 步骤11) :cnt = cnt+l，Rcnt = Ci，转步骤12); 步骤12):令1 = 1+1，若1 < L，转步骤10);否则转步骤13); 步骤 13) :num=cnt，转步骤 14); 步骤14):令1 = 1，转步骤15); 步骤15):清空有序图Map，对未找到pathfinai(k)的第一个目标，假设为簇Ci中第h = l个 目标，在原K个目标中的编号为A = <，对j e {丨，…，nt}，循环执行:假设该目标在t =丨时刻 的观测值为允，其中该观测值未在已经得到的pathfinal(k)的观测序列中出现过即 、# $ ，更新其路径P a t h n e w = [ j ]，计算对数似然函数的负值 A7J_.(paih_) =: - == F(H(x;;)) | x;; ! j)和.r) = "(X),:>，以负对数似然函数值 N L L (pathnew)为键值，以路径patUP当前目标状态if为内容，将{iVLL(path_),x) Η加 入到有序图Map中，转步骤16); 步骤16):从有序图Map中取出键值最小的节点Nodemin，若该节点的的当前路径pathmin 的总观测数量，其中Ni为第k个目标所属的簇&中的目标个数，则保存该最可能 观测路径卩&1:11；^。1^31；(&)=卩31:111^11，转步骤19);否则转步骤17); 步骤17):若Tmin = nT，n<Ni，令t=l 对je {1，···，nt}，循环执行:假设簇Ci中第 Ιρη目标在t = l时刻的观测值为_)，/，其中该观测值未在已经得到的pathfinal(k)的观测序 列中出现过// g ，且未在pathmin中出现过，更新其路径pathnew= [ j ]，计算对数似然函 数的负值犯apaihJ = :VZX(Path_ )-logfPfv/ = F(H(x,A| , 和.v) = "(x:' ,)，以负对 数似然函数值NLL(pathnew)为键值，以路径pathnew和当前目标状态xf为内容，将 加入到有序图Map中，转步骤16);若Tmin不是T的整数倍，转步骤 18)； 步骤18):在t = Tmin时刻，对_]_6{1，一，1^}，循环执行:假设当前目标在切寸刻的观测值为 _，_其中jf g 切未在pathmin中出现过，更新其路径pathnew= [pathmin j ]，计算对数似 然函数的负???.规)=脱L(path論)-logfd.,，/ = F(H(< 此 N L L ( p a t h n e w )为键值，以路径p a t h n e w和当前目标状态 < 为内容，将 {.'VLL(path_), {|?α氧eil.}}·加入到有序图Map中，其中有序图的键值按照升序排列，转步骤 16)； 步骤19):将pathshortesJCi)中的观测序列等分为Νι个长度为T的序列/W'V'并 保存到最终路径中评)=押汍，…，押=押％,，并添加到Pfinai中，转步骤 20)； 步骤20):令1 = 1+1，若1 < L，转步骤15)，否则结束。
【专利摘要】本发明公开了一种基于改进K最短路径的多假设目标跟踪方法，克服了现有技术中，多假设跟踪的算法依赖于大量的假设，计算量和存储量随着跟踪目标和观测帧的增多，呈现爆炸性增长的问题。该发明包括以下步骤：步骤1):给定多个时间点的传感器观测序列步骤2):初始化，构造图中节点node。本发明利用多目标跟踪问题中大部分路径无公共节点的特点，得到了首先求解K条最短路径，然后根据路径间是否存在公共节点进行K最短路径计算，得到了K个目标的最可能观测序列和利用该观测序列所计算出的目标状态，从而具有抗杂波能力强、跟踪精度高，计算速度快的效果。
【IPC分类】G01S13/66
【公开号】CN105629225
【申请号】CN201511018701
【发明人】王显峰, 李弼程, 王成刚, 李爱勤, 刘金锦, 高飞, 宋燕燕, 张长峰, 党力明, 李崇
【申请人】中国人民解放军信息工程大学
【公开日】2016年6月1日
【申请日】2015年12月30日