申请/专利权人：中国人民解放军空军工程大学

申请日：2022-03-04

公开（公告）日：2024-05-14

公开（公告）号：CN114739383B

主分类号：G01C21/00

分类号：G01C21/00;H03H17/02;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2022.07.29#实质审查的生效;2022.07.12#公开

摘要：本发明公开了一种基于多目标不确定性改进的GM‑PHD滤波方法，本方法考虑了多目标的不确定性，即测量是否是杂波、测量是否是同一个目标、没有测量。采用了一种新的误差协方差更新方程，该方程通过计算新生成的高斯分量的估计误差协方差得到，各分量与其测量值相对应，新的误差协方差体现了多目标的不确定性。并在此基础上，设计了自适应阈值，按分量相似度进行合并，减少了不相关分量的影响，通过仿真实验结果表明本发明的方法能够提高目标数量估计的准确性。

主权项：1.一种基于多目标不确定性改进的GM-PHD滤波方法，其特征在于，包括以下步骤：步骤1：对于多目标跟踪，根据PHD滤波器的先验方程和后验方程分别得到目标状态集xk的k-1时刻的先验强度Ixk|Zk-1和k时刻的后验强度Ixk|Zk： 其中，bxk和spxk|xk-1分别表示新生和衍生RFS的密度强度；ps表示k-1时刻目标在k时刻的存活概率，Zk-1表示多目标量测集合； 其中，PD表示k时刻目标的检测概率，czk泊松杂波分布的概率密度函数；λ是泊松杂波分布的密度；fxk|xk-1表示状态转移概率密度函数，gzk|ηk表示单目标似然函数；步骤2：基于GM-PHD滤波器的假设条件，使用高斯混合函数将步骤1中的式1和式2导出为高斯分量；步骤3：考虑到多目标的不确定性，利用改进的GM-PHD算法修正估计误差协方差并对均方误差状态估计，从而判断量测值的来源是真实目标、杂波或者虚警；步骤4：利用自适应阈值对步骤2中高斯分量进行自适应合并，从而对近距离目标进行区分；步骤5：重复步骤3-4，对目标进行跟踪直至目标消失；其中，步骤3中的改进的GM-PHD算法包括以下步骤：步骤31：估计误差协方差修正步骤311：第l个测量值的归一化距离平方为对应到i个高斯分量，即： 其中，表示测量的预测值，分别是第i个高斯分量的残差的协方差，l是来自第i个高斯分量的预测量测的量测顺序；步骤312：基于假设3，以mk次测量中的目标发出的第l次测量为条件的的概率密度函数pdf为： 其中，表示概率假设密度，表示mk个测量中第l个测量值是真实的概率，n是状态的维度；γ是区域大小；表示事件下目标残差的高斯pdf；步骤313：为减少积分计算代价，将替换为得到： 此处的是出现错误测量值比真实测量值更接近i个预测测量值的事件的概率，因此，是互补事件的概率；步骤314：基于假设3，以mk次测量中的杂波产生的第l次测量为条件的的pdf为： 其中，表示mk个测量中的第l个测量值是错误的概率；是第l次测量NDS的条件pdf，假设第l次测量来自杂波且错误测量数为mk；是目标存在于大小为区域中的概率，且： 和的结果如下： 基于式26和27可得，时刻k的量测总数为mk的概率为： 其中，其表示假设错误量测的数量m具有密度为λ的泊松分布；步骤314：对于上述两个pdf，第l个测量值来自第i个高斯分量的目标的条件概率表示为： 步骤315：利用得到的条件概率计算高斯分量的估计误差协方差；步骤32：均方误差状态估计步骤321：将第i个高斯分量的先验和后验估计误差定义为： 步骤322：基于目标可感知性，事件M0下第i个高斯分量的后验估计误差协方差式18被修改为： 其中，是第i个高斯分量的先验估计误差协方差，为了简便计算，CT的值接近1；基于假设3，以事件为条件的第i个高斯分量的估计误差协方差与第l次测量的NDS值由下式给出：其中第l个量测值对应到第i个高斯分量的NDS定义为： 其中， 步骤323：将式32代入式14，更新误差协方差并得到k时刻的后验强度为： 且，

全文数据：

权利要求：

百度查询： 中国人民解放军空军工程大学 一种基于多目标不确定性改进的GM-PHD滤波方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD