[發明專利]當前統計模型的概率假設密度粒子濾波器的設計及濾波器

無效

• 申請號: 201110109956.1
• 申請日: 2011-04-29
• 公開（公告）號: CN102307041A
• 公開（公告）日: 2012-01-04
• 發明（設計）人: 鄭云美;史治國;金夢珺;洪少華;陳積明
• 申請（專利權）人: 浙江大學
• 主分類號: H03H7/01
• 分類號: H03H7/01
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林懷禹

技術領域

本發明涉及粒子濾波器的設計方法及硬件電路，尤其是涉及一種當前統計模型的概率假設密度粒子濾波器的設計及濾波器。

背景技術

機動目標跟蹤是指利用測量設備得到的目標測量信息，通過建立合理準確的目標運動模型，使用隨機過程、估計與檢測理論、濾波算法等現代信號處理技術，對機動目標的運動狀態（位置、速度、加速度等）進行估計和檢測。經過幾十年的研究發展，機動目標跟蹤已經在軍事和國民經濟上都得到了廣泛的應用，如軍事上的精確制導、反彈道導彈防御、衛星偵察等方面，民用上的民航飛機的空中交通管制、機器人定位、汽車防撞和導航系統等方面。由于目標機動的復雜性、隨機性和多樣性，對機動目標的可靠精確跟蹤一直是國際上的研究難點和熱點，國內外眾多學者都致力于研究滿足實時性和精度要求的有效機動目標跟蹤方法。

粒子濾波作為一種基于貝葉斯估計的非線性濾波算法，在處理非線性運動目標跟蹤問題方面有獨到的優勢。但粒子濾波的框架中并沒有包含數據關聯的機制,當對多個目標進行跟蹤,目標數發生變化或目標相互遮擋時,會出現跟蹤目標的丟失。此外,多個目標之間的干擾也會影響跟蹤的準確性。而近年來提出的概率假設密度算法用于跟蹤多目標，不僅不需要做數據關聯，而且可以跟蹤目標數目不定的多個目標。它傳遞多目標聯合后驗概率分布的一階矩，在保證跟蹤精度的同時，極大地減少了計算量。在應用粒子濾波進行多目標跟蹤的基礎上，將粒子濾波和概率假設密度相結合來處理多目標跟蹤問題的技術框架，為解決雜波環境下多目標跟蹤的問題提供了一個很好的方法。????????????????

對于目標機動問題，在建立機動目標模型時，一般的原則是所建立的模型既要符合機動實際，又要便于數學處理，其中，由我國周宏仁博士提出的當前統計模型的優點在于，當目標正以某一加速度進行機動時，下一時刻的加速度取值是有限制的，即只能在“當前”加速度的領域內取值，無需考慮所有可能的機動加速度值。其實質是自適應調整均值的Singer模型，目標機動加速度的當前概率密度用修正的瑞利分布表示，該算法跟蹤精度高，實時性好。??

由于粒子濾波與概率假設密度相結合在硬件上的可實現性，和當前統計模型對跟蹤機動目標能達到較好的性能，因此，將概率假設密度粒子濾波器和當前統計模型方法應用到實際的多機動目標跟蹤，將會有很大的現實意義，這也使得研究將算法轉化成硬件電路實現成為需要。

發明內容

為了研究將當前統計模型和概率假設密度粒子濾波器同時應用于多機動目標跟蹤，本發明的目的在于提供一種當前統計模型的概率假設密度粒子濾波器的設計及濾波器。

本發明采用的技術方案是：

一、一種基于當前統計模型的概率假設密度粒子濾波器的設計方法：

1)?在預測電路中，為了跟蹤機動多目標，采用當前統計模型對目標的后驗概率分布進行采樣得到粒子分布；

2)?對于每一個觀測值，所有粒子都需要參與一個觀測值處理電路。由于選取的觀測值過多會帶來時延從而影響實時性，所以綜合考慮性能和實時性，選擇使用m個觀測值參與更新電路的運算，其中機動多目標的最大數為n，雜波數目通過泊松過程產生，均值為p，以小概率事件計算，雜波的最大數目為m–n，所用到的觀測值處理電路小于等于m；

3)?考慮到系統重采樣算法必須在獲得所有粒子的權值及其權值之和才開始運行，不利于流水運行，從而影響實時性，因此考慮選擇固定的閾值T，使用簡化重采樣算法，在獲得粒子及其權值時即刻開始運行重采樣操作，而無需等待所有粒子的生成，且易于并行實現；

4)?在狀態估計電路中，需要計算機動目標當前加速度均值，并將其返回到預測電路，用于下一時刻利用當前統計模型對目標的后驗概率分布進行采樣；?

5)?濾波器使用粒子來表征目標的后驗概率分布，由于粒子濾波器的性能和粒子的數目成正比，但是在硬件電路中，粒子數目過多會帶來延時從而影響實時性，所以綜合考慮性能和實時性，選擇使用1024個粒子用于存活粒子，另外1024個粒子用于新生粒子；

6)?在濾波器設計方法中，估計目標的狀態值需要用到聚類算法，這一步驟將使用軟件計算或者DSP處理，硬件電路不做具體處理。

二、一種基于當前統計模型的概率假設密度粒子濾波器：