[發(fā)明專利]基于B樣條函數(shù)任意擴展目標(biāo)形狀及狀態(tài)估計方法

有效

• 申請?zhí)枺?/td>: 201410010460.2
• 申請日: 2014-01-09
• 公開（公告）號: CN104777465B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設(shè)計）人: 楊金龍;李鵬;葛洪偉;袁運浩;劉楊
• 申請（專利權(quán)）人: 江南大學(xué)
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于智能信息處理技術(shù)領(lǐng)域，涉及擴展目標(biāo)的形狀和狀態(tài)的估計方法。具體地說是一種基于B樣條函數(shù)任意擴展目標(biāo)形狀及狀態(tài)估計方法，可用于各種交通管制、機器人導(dǎo)航和精確制導(dǎo)等系統(tǒng)中的目標(biāo)跟蹤與形狀估計。

背景技術(shù)

傳統(tǒng)的低分辨雷達(dá)等探測系統(tǒng)中，目標(biāo)被當(dāng)作單個點來處理，因為其相對于傳感器分辨單元來說太小，僅占據(jù)一個分辨單元。但隨著現(xiàn)代雷達(dá)等探測設(shè)備分辨率的不斷提高，目標(biāo)的回波信號可能分布在不同的距離分辨單元中，其探測場不再等效為一個點，即單個目標(biāo)可能產(chǎn)生多個量測，本發(fā)明中稱這樣的目標(biāo)為擴展目標(biāo)。針對擴展目標(biāo)跟蹤，單個點狀態(tài)已經(jīng)難以充分描述擴展目標(biāo)，需要綜合考慮目標(biāo)形狀等信息進(jìn)行檢測與跟蹤分析。

目前，擴展目標(biāo)形狀估計方法主要包括：Random?Matrices(RM)方法和Random?Hypersurface?Models(RHMs)方法。其中，RM方法使用擴展目標(biāo)量測集的離散方差矩陣作為目標(biāo)的形狀參數(shù)，在貝葉斯框架下，將Wishart分布產(chǎn)生隨機的形狀參數(shù)矩陣作為先驗形狀，并根據(jù)下一時刻的量測信息更新后驗形狀。該方法的優(yōu)點是對單幀數(shù)據(jù)處理比較簡單，適用于集群目標(biāo)的形狀估計。但是，RM方法只能獲得目標(biāo)的近似橢圓形狀，如果目標(biāo)不是橢圓型（如星型或其他不規(guī)則形狀），則該方法獲得的形狀信息將不準(zhǔn)確，直接影響對目標(biāo)狀態(tài)的分析。RHMs方法是隨機集模型的一種，通過設(shè)定的形狀方程，隨機產(chǎn)生方程中的參量作為先驗參數(shù)，并通過量測集和系統(tǒng)噪聲構(gòu)造約束條件來篩選先驗參數(shù)，從而擬合出目標(biāo)的形狀，可以看出，該方法過分依賴于目標(biāo)的先驗形狀，并根據(jù)先驗形狀參數(shù)確定目標(biāo)的形狀方程，如果參數(shù)不合理，將直接影響形狀估計的精度。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明提出一種基于B樣條函數(shù)的擴展目標(biāo)形狀及狀態(tài)估計方法，采用多幀統(tǒng)計技術(shù)，在極坐標(biāo)系下選取樣本控制點，并用B樣條函數(shù)擬合出目標(biāo)的形狀函數(shù)，實現(xiàn)高噪聲、低量測數(shù)、低傳感器精度情況下對任意擴展目標(biāo)的形狀近似估計。

實現(xiàn)本發(fā)明的關(guān)鍵技術(shù)是：在極坐標(biāo)系下引入B樣條技術(shù)，采用貝葉斯濾波框架進(jìn)行多時刻聯(lián)合估計，統(tǒng)計不同角度上目標(biāo)的輪廓長度，運用B樣條函數(shù)擬合目標(biāo)形狀，實現(xiàn)對任意擴展目標(biāo)的形狀估計。

為實現(xiàn)上述目標(biāo)，具體實現(xiàn)步驟如下：

（1）初始化參數(shù)：目標(biāo)狀態(tài)ξ₀＝{x₀,X₀,P₀,Δ₀}，其中，x₀表示目標(biāo)位置信息，X₀為形狀信息，P₀為運動噪聲協(xié)方差，Δ₀為形狀噪聲；并假定Q和R分別表示狀態(tài)噪聲協(xié)方差和量測噪聲協(xié)方差；設(shè)定參量d、和m，其中，d為角度劃分寬度，為固定不變的角度集合，m為偽量測集的最大元素數(shù)。

（2）當(dāng)k≥1，根據(jù)量測Y_k和狀態(tài)x_k進(jìn)行卡爾曼濾波。

（3）以濾波后目標(biāo)的位置信息為原點建立極坐標(biāo)系，記錄量測相對于原點的坐標(biāo)，添加到偽量測集形成新的偽量測集Z_k+1。

（4）根據(jù)偽量測集Z_k+1更新目標(biāo)形狀

(3a)在0到2π之間均勻產(chǎn)生n個角度，構(gòu)成固定不變的角度集合并統(tǒng)計過原點且指向θ_i角度方向上射線附近的點；先構(gòu)造以指向θ_i角度方向射線為對稱軸，原點為底邊中點的矩形，底邊長度設(shè)為2d，將矩形之內(nèi)的點劃分到集合D_k+1,i中，并統(tǒng)計D_k+1,i中所有點到矩形底邊距離的期望，則可近似地獲得偽量測集輪廓的長度，其中，d為先驗常數(shù)；

(3b)統(tǒng)計D_k+1,i獲得k+1時刻目標(biāo)的輪廓集合，根據(jù)輪廓集合進(jìn)行卡爾曼濾波，更新目標(biāo)的形狀信息，更新后的形狀信息為X_k+1。

（5）以X_k+1作為控制頂點，生成三次B樣條函數(shù)，估計目標(biāo)的形狀。

（6）若下一時刻觀測信息到達(dá)，轉(zhuǎn)到步驟（2）進(jìn)行迭代；否則，目標(biāo)跟蹤過程結(jié)束。

本發(fā)明具有以下優(yōu)點：

（1）本發(fā)明采用了多幀統(tǒng)計的思想建立了偽量測集，不需要對量測率的分布做任何假設(shè)，從而可以在低量測率、高噪聲的情況下準(zhǔn)確估計目標(biāo)的形狀。