1.一种智能混合群体优化滤波跟踪方法,其特征在于,包括以下步骤:
步骤1:粒子分层:
通过设定的阈值τh,τl,将粒子样本中的粒子依据权值的大小分为三层,分别为高权值粒子集、中权值粒子集和低权值粒子集,从而根据不同层中的粒子数量来更新粒子的位置;
步骤2:状态更新
利用当前时刻粒子的位置和权值信息,找出目标最可能的状态,即生成合适的建议分布,从而准确地估计目标在当前时刻的位置,并根据不同层粒子的数目选择是否对高权值粒子集、中权值粒子集和低权值粒子集的粒子进行内聚运动;
步骤3:状态估计
根据最小均方误差准则或极大后验准则进行状态估计,将条件均值或具有极大后验概率密度的状态作为系统状态的估计值,即对内聚运动后的粒子重新计算修正状态更新估计的目标的位置,作为目标的真实位置输出;
步骤4:状态预测
设计先验分布函数,预测下一时刻估计目标的状态,即根据不同层粒子的数目对粒子进行排列运动或者分离运动。
2.根据权利要求1所述的一种智能混合群体优化滤波跟踪方法,其特征在于,步骤1中粒子分层的实现如下式:
其中,为k时刻粒子样本中第i个粒子的权值,τh,τl分别为粒子分层的上下阈值,ψh,ψm,ψl分别为高权值粒子集、中权值粒子集和低权值粒子集的标志。
3.根据权利要求1所述的一种智能混合群体优化滤波跟踪方法,其特征在于,步骤2中粒子的内聚运动以及步骤4中的粒子的排列运动和分离运动如下:
(1)内聚运动
根据已有粒子的权值,让权值较低的粒子移动至权值较大的区域,粒子的移动方法如下:
coh(xk):xk=xk-1+(a+(b-a)*rand)*(xk-1-xc)
其中xk为粒子在k时刻时的位置状态,xk-1为前一时刻的位置状态,xc为平均的中心位置,rand为0到1的随机数,a和b为预设常数,其中a≤1≤b,b-a的值越小,内聚速度越快,但粒子多样性越差,反之b-a的值越大,内聚速度越慢,但粒子多样性越好;
(2)分离运动
在当前时刻无法准确确定目标位置时,让所有粒子进行分离运动,粒子的移动方法如下:
spa(xk):xk=xk-1+λ*rand(xc-xk-1)
其中xk为粒子在k时刻的位置,xk-1为前一时刻的位置状态,xc为平均的中心位置,为目标的平均位移,rand为0到1的随机数,λ为预设常数,取λ≤1,λ值越大,分离程度越大,全局搜索能力越强,但局部搜索能力越弱,相反,λ越小,分离程度越小,全局搜索能力越差,但局部搜索能力越强;
(3)排列运动
为在当前时刻能够准确估计目标位置的情况下,预测下一时刻目标位置,采用匀速运动模型,表示如下:
4.根据权利要求1所述的一种智能混合群体优化滤波跟踪方法,其特征在于,步骤3中状态更新遵循以下4条准则:
准则3.1:当高权值粒子集ψh中粒子数量较多,即length(ψh)>threshold,表明在当前时刻,粒子集能充分确认目标的位置状态,为理想的跟踪效果,则根据全局最小均方误差准则,计算出中心位置,在生成建议分布时,考虑到粒子多样性,保留高权值粒子和中权值粒子的位置状态,仅对低权值粒子集ψl中的粒子进行内聚运动;
准则3.2:当高权值粒子集ψh中的粒子数量较少,但大于一个阈值时,即threshold>length(ψh)>mpts,所述阈值mpts>0,并且中权值粒子集ψm中的粒子数量较多,即length(ψm)>threshold,表明在当前状态下,跟踪效果良好,但高权值粒子的周围拥有更高的权值,则根据局部最小均方误差准则,对高权值粒子集ψh里的粒子局部加权,计算出中心位置,在生成建议分布时,保留中权值粒子的位置状态,仅对低权值粒子集ψl中的粒子进行内聚运动;
准则3.3:当高权值粒子集ψh中的粒子数量较少但大于一个阈值即threshold>length(ψh)>mpts,所述阈值mpts>0,并且中权值粒子集ψm中的粒子数量较少,即threshold>length(ψm),则根据局部最小均方误差准则,对高权值粒子集里的粒子进行局部加权,计算出中心位置,在生成建议分布时,对中权值粒子集ψm和低权值粒子集ψl中的粒子同时进行内聚运动;
准则3.4:当高权值粒子集ψh中的粒子数量极少,即mpts>length(ψh),并且中权值粒子集ψm中的粒子数量较多,即length(ψm)>threshold,表明此时跟踪效果一般,但是占据较多数量的中权值粒子仍然能够近似表示目标的位置状态,则根据局部最小均方误差准则,对中权值粒子集ψm里的粒子进行局部加权,计算出中心位置,在生成建议分布时,仅对低权值粒子集ψl中的粒子进行内聚运动。
5.根据权利要求1所述的一种智能混合群体优化滤波跟踪方法,其特征在于,步骤3中极大后验准则计算公式为:
其中wk(xk)为粒子集中每个粒子对应的归一化权值,xk为k时刻的粒子样本,为满足maxwk(xk)条件的所有xk构成的集合。
6.根据权利要求1所述的一种智能混合群体优化滤波跟踪方法,其特征在于,步骤3中最小均方误差准则分为以下两种:
(1)局部最小均方误差准则
通过设定一个范围R,将R内的粒子数目M统计出来,在估计目标后验状态时,仅对R内的粒子样本进行按权值加和,其计算公式如下:
其中为k时刻粒子样本中第i个粒子的权值归一化结果,为k时刻粒子样本中第i个粒子;
(2)全局最小均方误差准则
对总数为N的粒子集中所有粒子整体加权求和,计算公式为:
其中为k时刻粒子样本中第i个粒子的权值归一化结果,为k时刻粒子样本中第i个粒子。
7.根据权利要求1所述的一种智能混合群体优化滤波跟踪方法,其特征在于,步骤4中状态预测遵循以下2条准则:
准则5.1:若当前时刻满足更新准则的条件,表明当前时刻能够判断目标的位置状态,则根据全局最小均方误差准则估计目标的后验状态,再将粒子集进行排列运动预测下一时刻的先验状态;
准则5.2:若当前时刻不满足更新准则中的任一条件,高权值粒子集ψh中的粒子非常少,即mpts>length(ψh),并且中权值粒子的数量也较少,即threshold>length(ψm),则根据极大后验准则估计目标的后验状态,并根据极大后验准则确定中心位置,再对所有粒子进行分离运动预测下一时刻的先验状态。