申请/专利权人：哈尔滨理工大学

申请日：2024-02-20

公开（公告）日：2024-06-28

公开（公告）号：CN118260523A

主分类号：G06F17/17

分类号：G06F17/17;G06F17/16;G01D21/00

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种具有随机变参数矩阵的多传感器信息融合目标跟踪方法，所述方法包括如下步骤：一、建立多传感器目标跟踪系统的跟踪目标动态模型；二、设计预报器和估计器结构；三、计算第i个传感器在k+1时刻的一步预测误差协方差矩阵上界Θi,k+1|k；四、计算在k+1时刻第i个传感器的估计增益矩阵Ki,k+1以及跟踪目标的融合估计五、将Ki,k+1代入二中，得到在k+1时刻的第i个传感器跟踪目标的状态估计判断k+1是否达到估计总时长MN，若k+1＜MN，则执行六，若k+1＝MN则在计算融合估计后结束；六、计算估计误差协方差上界Θi,k+1|k+1；令k＝k+1，进入二直至满足k+1＝MN。本发明可以有效的估计出目标状态并具有较好的鲁棒性。

主权项：1.一种具有随机变参数矩阵的多传感器信息融合目标跟踪方法，其特征在于所述方法包括如下步骤：步骤一、建立多传感器目标跟踪系统的跟踪目标动态模型： yi,k＝λi,kBi,k+ηi,kCi,kxk+vi,k式中，xk+1为在k+1时刻跟踪目标的状态信息；xk为在k时刻跟踪目标的状态信息；为在k时刻的随机变参数状态矩阵；fxk为连续可微的非线性函数；wk为在k时刻的过程噪声；yi,k为在k时刻第i个传感器所获得的测量输出信息；λi,k为描述测量丢失的伯努利随机变量；Bi,k为在k时刻第i个传感器的测量矩阵；Ci,k为在k时刻适当维数的矩阵；ηi,k为在k时刻第i个传感器的高斯白噪声；νi,k为系统在k时刻第i个传感器的测量噪声；步骤二、设计预报器和估计器结构： 式中，为第i个传感器在k时刻跟踪目标状态的一步预测值；为第i个传感器在k时刻跟踪目标的估计值；Ak为的期望；Bi,k+1为在k+1时刻第i个传感器的测量矩阵；为非线性函数fxk的更新估计；为λi,k的期望；Ki,k+1是要设计的第i个传感器的估计增益；yi,k+1为在k+1时刻第i个传感器所获得的测量输出信息；为了处理非线性函数fxk，在处对其泰勒展开，具体定义如下： 其中表示泰勒展开的高阶项，Di,k、Ei,k为已知的维数合适的矩阵，未知矩阵Ni,k满足I为维数合适的单位矩阵；步骤三、计算第i个传感器在k+1时刻的一步预测误差协方差矩阵上界Θi,k+1|k： 式中，表示对矩阵或者函数取期望；“∑”为求和符号；为的转置；为的转置；为Di,k的转置，为Ei,k的转置；为已知量；ξi,k为常值，为ξi,k的逆；μ1为常值，为μ1的逆；表示第s行第t列的元素；表示Φi,k第l行第j列的元素；步骤四、计算在k+1时刻第i个传感器的估计增益矩阵Ki,k+1以及跟踪目标的融合估计 式中，Ki,k+1为估计增益矩阵；Θi,k+1|k为预测误差协方差的上界；为的转置；为Bi,k+1的转置；为Ci,k+1的转置；μ2为常值，为μ2的逆；为乘性噪声ηi,k的方差；Ri,k+1为测量噪声νi,k+1的方差； 式中，为融合估计协方差的上界；Θi,k|k为估计误差协方差的上界，为Θi,k|k的逆；为融合增益矩阵；N为传感器的个数；gi为权重系数；为的逆；步骤五、将Ki,k+1代入步骤二中，得到在k+1时刻的第i个传感器跟踪目标的状态估计判断k+1是否达到估计总时长MN，若k+1＜MN，则执行步骤六，若k+1＝MN则在计算融合估计后结束；步骤六、计算估计误差协方差上界Θi,k+1|k+1： 式中，I表示维数合适的单位矩阵，为的转置；令k＝k+1，进入步骤二直至满足k+1＝MN。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 具有随机变参数矩阵的多传感器信息融合目标跟踪方法

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