一种智能混合群体优化滤波跟踪方法与流程

技术特征：

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。