一種目標(biāo)跟蹤方法及截斷積分卡爾曼濾波方法、裝置制造方法
【專利摘要】本發(fā)明公開了一種目標(biāo)跟蹤方法、系統(tǒng)及截斷積分卡爾曼濾波方法、裝置，該截斷積分卡爾曼濾波方法包括根據(jù)高斯-厄米特積分獲取目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)；根據(jù)原始先驗概率密度函數(shù)獲取目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)；根據(jù)當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)；根據(jù)修正先驗概率密度函數(shù)獲取目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)；根據(jù)第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)。本發(fā)明能夠有效減少目標(biāo)狀態(tài)先驗分布方差，自適應(yīng)地根據(jù)觀測信息的精度進(jìn)行狀態(tài)更新，有效提高濾波精度且實用性較高。
【專利說明】一種目標(biāo)跟蹤方法及截斷積分卡爾曼濾波方法、裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及非線性濾波領(lǐng)域，特別是涉及一種目標(biāo)跟蹤方法、系統(tǒng)及截斷積分卡爾曼濾波方法、裝置。
【背景技術(shù)】
[0002]被動傳感器(如紅外、聲納等)本身不發(fā)射電磁波，其通過接收以目標(biāo)為載體的發(fā)動機、通信、雷達(dá)等所輻射的紅外線、電磁波，或目標(biāo)所反射的外來電磁波等來探測目標(biāo)的位置等信息。通常采用多個被動傳感器即組成一被動傳感器陣列對同一目標(biāo)進(jìn)行觀測以實現(xiàn)對目標(biāo)的跟蹤。
[0003]針對被動傳感器陣列中的目標(biāo)跟蹤問題，現(xiàn)有技術(shù)主要采用如下幾種方法:第一種為通過自適應(yīng)調(diào)整目標(biāo)的狀態(tài)模型，以實現(xiàn)對目標(biāo)的準(zhǔn)確跟蹤，該類方法例如有交互多模型(MM)方法。第二種為基于粒子濾波的交互多模型跟蹤算法，例如多模Rao-Blackwellized粒子濾波方法，該方法將機動目標(biāo)跟蹤問題劃分為模型選擇和目標(biāo)跟蹤兩個子問題。
[0004]本申請發(fā)明人在長期研發(fā)中發(fā)現(xiàn)，現(xiàn)有技術(shù)中第一種方法當(dāng)目標(biāo)突然機動時，其不能及時對機動目標(biāo)進(jìn)行檢測，導(dǎo)致目標(biāo)機動時跟蹤性能降低，從而可能出現(xiàn)目標(biāo)丟失的情況；基于粒子濾波的第二種方法會隨著目標(biāo)狀態(tài)維數(shù)的增加，粒子維數(shù)和計算量也隨之增加，一般很難實際應(yīng)用。另外，采用上述兩種方法對目標(biāo)進(jìn)行跟蹤時，當(dāng)目標(biāo)機動時，由于運動模型的不準(zhǔn)確以及觀測誤差的存在，使得目標(biāo)的預(yù)測誤差迅速增大，從而造成目標(biāo)狀態(tài)先驗分布方差增大，目標(biāo)跟蹤性能變差。

【發(fā)明內(nèi)容】

[0005]本發(fā)明主要解決的技術(shù)問題是提供一種目標(biāo)跟蹤方法、系統(tǒng)及截斷積分卡爾曼濾波方法、裝置，能夠有效減少目標(biāo)狀態(tài)先驗分布方差，自適應(yīng)地根據(jù)觀測信息的精度進(jìn)行狀態(tài)更新，有效提高濾波精度且實用性較高。
[0006]為解決上述技術(shù)問題，本發(fā)明的第一方面是:提供一種目標(biāo)跟蹤方法，包括:對目標(biāo)進(jìn)行觀測以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量；根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)；根據(jù)原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)；根據(jù)當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)；根據(jù)修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)；根據(jù)第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)；利用目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)對目標(biāo)狀態(tài)進(jìn)行估計，以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值；輸出當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值，以實現(xiàn)對目標(biāo)的跟蹤。
[0007]為解決上述技術(shù)問題，本發(fā)明的第二方面是:提供一種目標(biāo)跟蹤系統(tǒng)，包括:被動傳感器陣列以及截斷積分卡爾曼濾波裝置，被動傳感器陣列連接至截斷積分卡爾曼濾波裝置，被動傳感器陣列由多個被動傳感器組成，被動傳感器陣列用于對目標(biāo)進(jìn)行觀測以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量；截斷積分卡爾曼濾波裝置包括:原始先驗概率密度函數(shù)獲取模塊，用于根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)；第一后驗概率密度函數(shù)獲取模塊，用于根據(jù)原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)；修正先驗概率密度函數(shù)獲取模塊，用于根據(jù)當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)；第二后驗概率密度函數(shù)獲取模塊，用于根據(jù)修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)；聯(lián)合后驗概率密度函數(shù)獲取模塊，用于根據(jù)第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)；目標(biāo)狀態(tài)估計模塊，用于利用目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)對目標(biāo)狀態(tài)進(jìn)行估計，以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值；目標(biāo)狀態(tài)估計值輸出模塊，用于輸出當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值。
[0008] 為解決上述技術(shù)問題，本發(fā)明的第三方面是:提供一種截斷積分卡爾曼濾波方法，包括:根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)；根據(jù)原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)；根據(jù)當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)；根據(jù)修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)；根據(jù)第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)，完成截斷積分卡爾曼濾波過程。
[0009]其中，根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)的步驟具體包括:根據(jù)高斯-厄米特積分獲取m個積分點，具體如下式所示:
[0010]
【權(quán)利要求】
1.一種目標(biāo)跟蹤方法，其特征在于，包括: 對目標(biāo)進(jìn)行觀測以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量； 根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)；根據(jù)所述原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)； 根據(jù)所述當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正所述原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)； 根據(jù)所述修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)； 根據(jù)所述第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)； 利用所述目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)對目標(biāo)狀態(tài)進(jìn)行估計，以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值； 輸出所述當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值，以實現(xiàn)對目標(biāo)的跟蹤。
2.一種目標(biāo)跟蹤系統(tǒng)，其特征在于，包括: 被動傳感器陣列以及截 斷積分卡爾曼濾波裝置，所述被動傳感器陣列連接至截斷積分卡爾曼濾波裝置，所述被動傳感器陣列由多個被動傳感器組成，所述被動傳感器陣列用于對目標(biāo)進(jìn)行觀測以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量； 所述截斷積分卡爾曼濾波裝置包括: 原始先驗概率密度函數(shù)獲取模塊，用于根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)； 第一后驗概率密度函數(shù)獲取模塊，用于根據(jù)所述原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)； 修正先驗概率密度函數(shù)獲取模塊，用于根據(jù)所述當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正所述原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)； 第二后驗概率密度函數(shù)獲取模塊，用于根據(jù)所述修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)； 聯(lián)合后驗概率密度函數(shù)獲取模塊，用于根據(jù)所述第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)； 目標(biāo)狀態(tài)估計模塊，用于利用所述目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)對目標(biāo)狀態(tài)進(jìn)行估計，以獲得當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值； 目標(biāo)狀態(tài)估計值輸出模塊，用于輸出所述當(dāng)前目標(biāo)觀測時刻的目標(biāo)狀態(tài)估計值。
3.一種截斷積分卡爾曼濾波方法，其特征在于，包括: 根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)；根據(jù)所述原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)； 根據(jù)當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正所述原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)； 根據(jù)所述修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)； 根據(jù)所述第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)，完成截斷積分卡爾曼濾波過程。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)的步驟具體包括: 根據(jù)高斯-厄米特積分獲取m個積分點t，具體如下式所示:

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)的步驟具體包括: 根據(jù)所述均值iA(U1w和協(xié)方差獲取m個積分點，具體如下式所示:

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正所述原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)的步驟具體包括:根據(jù)k時刻的目標(biāo)觀測向量利用最小二乘交叉定位方法獲取k時刻的目標(biāo)狀態(tài)估計值T ； 采用所述目標(biāo)狀態(tài)估計值T代替最大似然估計值，具體如下式所示: 其中，^(?)為所述最大似然估計值； 根據(jù)所述最大似然估計值4(?)修正原始先驗概率密度函數(shù)，獲取修正先驗概率密度函數(shù)的均值和協(xié)方差，具體如下所示:
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)所述修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)的步驟具體包括: 根據(jù)所述均值iVu|i—.dP協(xié)方差PwdH獲取m個積分點k,-丨fc，具體如下式所示:

8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述根據(jù)所述第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)的步驟具體包括: 根據(jù)所述第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)各自對應(yīng)的均值獲取目標(biāo)狀態(tài)估計權(quán)值，具體 如下所示:
9.一種截斷積分卡爾曼濾波裝置，其特征在于，包括: 原始先驗概率密度函數(shù)獲取模塊，用于根據(jù)高斯-厄米特積分獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的原始先驗概率密度函數(shù)； 第一后驗概率密度函數(shù)獲取模塊，用于根據(jù)所述原始先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第一后驗概率密度函數(shù)；修正先驗概率密度函數(shù)獲取模塊，用于根據(jù)當(dāng)前目標(biāo)觀測時刻的目標(biāo)觀測向量修正所述原始先驗概率密度函數(shù)，以獲取修正先驗概率密度函數(shù)； 第二后驗概率密度函數(shù)獲取模塊，用于根據(jù)所述修正先驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的第二后驗概率密度函數(shù)； 聯(lián)合后驗概率密度函數(shù) 獲取模塊，用于根據(jù)所述第一后驗概率密度函數(shù)以及第二后驗概率密度函數(shù)獲取當(dāng)前目標(biāo)觀測時刻目標(biāo)狀態(tài)的聯(lián)合后驗概率密度函數(shù)。
【文檔編號】G06F19/00GK103955600SQ201410134572
【公開日】2014年7月30日 申請日期:2014年4月3日 優(yōu)先權(quán)日:2014年4月3日
【發(fā)明者】李良群, 謝維信, 劉宗香 申請人:深圳大學(xué)