复杂环境下多机动目标跟踪方法与流程

文档序号:12787337阅读:来源:国知局

技术特征:

1.一种复杂环境下多机动目标跟踪方法,其特征在于,包含:

步骤1:获取多个运动目标的多个运动目标信息,根据所述多个运动目标信息构建估计模型,根据所述估计模型获取所述多个运动目标的多个当前运动目标信息;

步骤2:通过联合概率数据关联算法对所述多个运动目标信息及所述多个当前运动目标信息进行关联后获得跟踪模型;

步骤3:根据所述跟踪模型对所述多个运动目标进行滤波跟踪。

2.如权利要求1所述的复杂环境下多机动目标跟踪方法,其特征在于,于所述步骤1中,根据所述多个运动目标信息通过交互式多模型算法构建所述估计模型。

3.如权利要求2所述的复杂环境下多机动目标跟踪方法,其特征在于,所述步骤1进一步包含:

步骤11:通过状态增广法去设计固定延迟平滑器,所述固定延迟平滑器是通过所述多个运动目标的k+d(d>0)时刻的运动目标信息估计述多个运动目标的k时刻的运动目标信息;

步骤12:通过所述交互式多模型算法及所述固定延迟平滑器构建所述估计模型。

4.如权利要求3所述的复杂环境下多机动目标跟踪方法,其特征在于,所述步骤2中的所述估计模型包含状态方程及观测方程,所述状态方程为: <mrow> <msub> <mover> <mi>x</mi> <mo>~</mo> </mover> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mover> <mi>F</mi> <mo>~</mo> </mover> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <msubsup> <mover> <mi>x</mi> <mo>~</mo> </mover> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mover> <mi>G</mi> <mo>~</mo> </mover> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <msubsup> <mi>v</mi> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mo>(</mo> <mi>r</mi> <mo>)</mo> <mo>;</mo> </mrow>所述观测方程为 <mrow> <msub> <mi>z</mi> <mi>k</mi> </msub> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mover> <mi>H</mi> <mo>~</mo> </mover> <mi>k</mi> <mi>j</mi> </msubsup> <msubsup> <mover> <mi>x</mi> <mo>~</mo> </mover> <mi>k</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>+</mo> <msubsup> <mi>w</mi> <mi>k</mi> <mi>j</mi> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>其中,是状态增广后目标r在tk时刻的nx维系统状态,zk(r)是tk时刻的nz维测量值向量。是对应的当目标r处于模型j,在采样周期(tk-1,tk]内的系统矩阵,是在模型j下到zk(r)的非线性变换的雅可比矩阵,分别为过程噪声和测量噪声。

5.如权利要求1或4所述的复杂环境下多机动目标跟踪方法,其特征在于,所述步骤2进一步包含:

步骤21:通过状态增广法去设计固定延迟平滑器,所述固定延迟平滑器是通过所述多个运动目标的k+d(d>0)时刻的运动目标信息估计述多个运动目标的k时刻的运动目标信息;;

步骤22:通过所述联合概率数据关联算法及所述固定延迟平滑器对所述多个运动目标信息及所述多个当前运动目标信息进行关联后获得所述跟踪模型。

6.如权利要求5所述的复杂环境下多机动目标跟踪方法,其特征在于,所述联合概率数据关联算法为经过两次扫描的联合概率数据关联算法。

7.如权利要求6所述的复杂环境下多机动目标跟踪方法,其特征在于,所述经过两次扫描的联合概率数据关联算法包含条件模型估计及状态协方差,所述条件模型估计为:

<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mover> <mover> <mi>x</mi> <mo>~</mo> </mover> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>E</mi> <mrow> <mo>{</mo> <mrow> <msub> <mover> <mi>x</mi> <mo>~</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>|</mo> <msubsup> <mi>M</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>,</mo> <msup> <mi>Z</mi> <mi>k</mi> </msup> <mo>,</mo> <msub> <mi>Y</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>}</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>=</mo> <munder> <mi>&Sigma;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </munder> <munder> <mi>&Sigma;</mi> <msub> <mi>&Theta;</mi> <mi>k</mi> </msub> </munder> <msubsup> <mover> <mover> <mi>x</mi> <mo>~</mo> </mover> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <mi>r</mi> <mo>,</mo> <msub> <mi>&Theta;</mi> <mi>k</mi> </msub> <mo>,</mo> <msub> <mi>&Theta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>)</mo> </mrow> <msubsup> <mi>&beta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mrow> <mo>(</mo> <mrow> <mi>r</mi> <mo>,</mo> <msub> <mi>&Theta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>,</mo> <msub> <mi>&Theta;</mi> <mi>k</mi> </msub> </mrow> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>

所述状态协方差为:

<mrow> <msubsup> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mo>(</mo> <mi>r</mi> <mo>)</mo> <mo>=</mo> <munder> <mi>&Sigma;</mi> <msub> <mi>&Theta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </munder> <munder> <mi>&Sigma;</mi> <msub> <mi>&Theta;</mi> <mi>k</mi> </msub> </munder> <msubsup> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <msub> <mi>&Theta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>,</mo> <msub> <mi>&Theta;</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <msubsup> <mi>&beta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <msub> <mi>&Theta;</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>,</mo> <msub> <mi>&Theta;</mi> <mi>k</mi> </msub> <mo>)</mo> </mrow> <mo>;</mo> </mrow>其中,是在联合事件Θk+1和Θk下的每个目标的每个状态的双扫描联合事件概率。

8.如权利要求7所述的复杂环境下多机动目标跟踪方法,其特征在于,所述跟踪模型包含平滑后的状态估计及协方差,所述平滑后的状态估计为:

<mrow> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>-</mo> <mi>i</mi> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mover> <mover> <mi>x</mi> <mo>~</mo> </mover> <mo>^</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mi>i</mi> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>;</mo> </mrow>所述协方差 <mrow> <msub> <mi>P</mi> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>-</mo> <mi>i</mi> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>(</mo> <mi>r</mi> <mo>)</mo> <mo>=</mo> <msubsup> <mover> <mi>P</mi> <mo>~</mo> </mover> <mrow> <mi>k</mi> <mo>+</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>+</mo> <mn>1</mn> </mrow> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>i</mi> </mrow> <mo>)</mo> </mrow> </msubsup> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>0</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>d</mi> <mo>.</mo> </mrow>

当前第2页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1