[發明專利]一種傳感器感知能力受限的隨機集理論的分布式融合方法

有效

• 申請號: 201710472451.9
• 申請日: 2017-06-21
• 公開（公告）號: CN107273692B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 易偉;李固沖;李洋漾;黃大通;姜萌;王佰錄;李溯琪;孔令講
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F17/10
• 分類號: G06F17/10
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.一種傳感器感知能力受限的隨機集理論的分布式融合方法，其特征在于，包括：

首先，對每部傳感器的概率假設密度跟蹤采用混合高斯模型進行表示；所述對每部傳感器的概率假設密度跟蹤采用混合高斯模型進行表示；具體表達式如下：

其中，v_k-1(x)表示在k-1時刻的強度函數，x表示目標狀態集合；J_k-1表示在k-1時刻的高斯分量的個數；表示在k-1時刻第i個高斯分量的權重；表示在k-1時刻期望為方差為的第i個高斯分量對應的高斯密度函數；表示在k-1時刻第i個高斯分量的期望；表示在k-1時刻第i個高斯分量的方差；

然后，在融合之前執行以下過程：構造一個距離矩陣，然后對該距離矩陣進行行和列搜索，若存在某一行或列的元素的最小值大于預設門限，則將該元素作為融合后的結果；刪除該目標狀態對應的元素所在的行或列，搜索結束之后，將剩余的矩陣元素記為新的距離矩陣；所述構造一個距離矩陣具體為：根據兩傳感器的高斯分量之間的距離構造距離矩陣；

其中，對于，p∈{1,...,N_a},q∈{1,...,N_b}，矩陣C中的元素C_p,q表示傳感器a的第p個高斯分量和傳感器b的第q個高斯分量之間的距離；

最后，對新的距離矩陣中的元素采取修正融合權重的GCI融合準則進行融合處理；所述對新的距離矩陣中的元素采取修正融合權重的GCI融合準則進行融合處理，具體為：

其中，上標-1表示矩陣求逆運算；s_k(x)表示融合后的強度函數；N_a和N_b分別是傳感器a和b的高斯分量在第k時刻的個數；表示修正后的傳感器a在第k時刻的第i個高斯分量的權值；表示修正后的傳感器b在第k時刻的第j個高斯分量的權重；表示傳感器a的第i個高斯分量與傳感器b的第j個高斯分量在第k時刻的融合后的權重；表示傳感器a的第i個高斯分量與傳感器b的第j個高斯分量在第k時刻的融合后的均值；表示傳感器a的第i個高斯分量與傳感器b的第j個高斯分量在第k時刻的融合后的方差；和分別表示在第k時刻傳感器a的第i個高斯分量和傳感器b第j個高斯分量歸一化后的權重。

2.根據權利要求1所述的一種傳感器感知能力受限的隨機集理論的分布式融合方法，其特征在于，所述對每部傳感器的概率假設密度跟蹤采用混合高斯模型進行表示之后還包括：A、建立預測模型，得到預測的多模型的高斯混合概率密度假設強度；

具體包括以下步驟：

A1、對幸存目標進行預測；

其中，v_S,k|k-1(x)表示在k時刻幸存目標的強度函數；p_S,k表示k時刻幸存概率；是幸存目標在k時刻的第i個高斯分量的期望，且滿足：其中F_k|k-1表示k時刻目標的狀態轉移矩陣；是幸存目標在k時刻的第i個高斯分量的方差，且滿足：Q_k-1表示在k-1時刻幸存目標的量測噪聲方差；

A2、對衍生目標進行預測；

其中，v_β,k|k-1(x)表示在k時刻衍生目標的強度函數；是k-1時刻第i個高斯分量的權重；是k時刻衍生的第l個高斯分量的權重；是幸存目標在k時刻的第i個高斯分量衍生出的第l個高斯分量的期望，且滿足：其中表示在k時刻衍生目標的第l個高斯分量對應的狀態轉移矩陣；是幸存目標在k時刻的第i個高斯分量衍生出的第l個高斯分量的方差，且滿足：

其中，表示在k-1時刻衍生目標的第l個高斯分量對應的量測噪聲方差；

A3、對新生目標進行預測；

其中，γ_k(x)表示在k時刻時的新生目標強度函數；J_γ,k表示新生目標在k時刻的高斯分量的個數；表示在k時刻第i個高斯分量的權重；表示期望為方差為的第i個高斯分量對應的高斯密度函數。