[發明專利]一種多伯努利濾波器分布式融合方法

有效

• 申請號: 201810728259.6
• 申請日: 2018-07-05
• 公開（公告）號: CN108934028B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 易偉;李溯琪;王佰錄;孔令講;崔國龍;楊曉波
• 申請（專利權）人: 電子科技大學
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W84/18
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開了一種多伯努利濾波器分布式融合方法，其包括對傳感器網絡各傳感器節點采用多伯努利濾波器實現本地濾波，并通過通信鏈路接收其鄰近節點的多伯努利后驗分布，然后基于廣義協方差交集信息熵實現傳感器間目標航跡的聯合分組，最后在每一目標航跡分組下計算多伯努利濾波器分布式融合的各個參數，并得到融合后驗多伯努利分布參數。本發明在大批量目標條件下能夠高效地實現多伯努利濾波器分布式融合，并且具有近似誤差小，實現復雜度低等優點。

技術領域

本發明屬于多傳感器融合領域，具體涉及一種多伯努利濾波器分布式融合方法。

背景技術

單傳感器探測系統因其探測視角單一、探測能力單一、探測環境復雜多樣等原因，無法達到時變多目標的精準有效探測目的，亟需一種立足于多向散射機理的傳感器網絡探測系統，以滿足復雜探測場景中多目標的穩定、持續探測任務需求。另一方面，隨著小型化探測器的計算、存儲、通信能力提升，由該型探測器構建的多傳感器網絡系統備受青睞，該系統為多目標探測提供了目標多樣化信息采集平臺。

多傳感器多目標跟蹤技術是實現多傳感器網絡系統目標探測任務的重要途徑。傳統集中式多傳感器融合需要每個傳感器節點不進行本地濾波處理，而是將原始量測數據傳輸到融合中心節點，然后融合中心節點聯合所有節點量測數據進行濾波處理，最后融合后信息反饋給各本地節點，以進一步提升多目標跟蹤性能。因此，集中式算法的目標跟蹤性能是最優的。然而，由于需要將所有節點量測數據傳輸到融合中心，通信代價高昂，同時集中式處理結構復雜，容易出現單點故障、網絡可延展性差等問題。

由于分布式融合技術具有通信代價低、容錯率高、魯棒性強等一系列優勢，該技術的發展備受青睞，尤其近20～30年該技術已被廣泛應用于廣域區域的監視與監測任務，其典型應用從民用范圍，包括污染源監測，交通管控，汽車防撞，移動通信等傳感器網絡，到軍事領域的水聲探測的聲納陣列網絡、國土防空的雷達網絡、隱身目標探測的主/被雷達協同網絡等。相比于集中式融合算法已展開的研究工作，分布式多傳感器多目標跟蹤技術的研究仍在探索階段，其理論研究、算法實現、工程應用等方面還存在諸多亟待解決的問題。

分布式融合技術的本質是實現傳感器網絡內各節點多目標后驗分布的融合，為了獲得優異、穩定的融合性能，本地節點多目標跟蹤問題需建立在完備的理論框架下。在實際多目標跟蹤場景中,面臨著目標出生死亡時刻未知、目標個數時變未知、傳感器量測數據構成復雜、量測個數時變未知、量測與目標關聯關系時變未知等難題。面對這些難題，現有的多目標跟蹤算法由于其理論支撐的局限性無法將這些問題建立統一的數學模型，因此只能采用臨時的(adhoc)策略進行處理，例如單目標卡爾曼濾波器、數據關聯算法與航跡管理策略相結合。雖然這些ad-hoc的處理方法是有效的工程解，但是其理論最優性難以得到驗證。

2007年，R.Mahler將有限集統計論(Finite Set Statistics,FISST)引入到多目標跟蹤問題中，利用隨機有限集合的數學特性，建立了包括目標出生、死亡和單個目標狀態轉移模型的多目標馬爾科夫轉移函數和包括虛警、漏檢以及目標量測不確定關聯關系的多目標似然函數等數學模型，并結合最優貝葉斯濾波器，提出多目標跟蹤問題的最優解，即多目標貝葉斯濾波器。然而，由于計算過程中涉及到集合積分，多目標貝葉斯濾波器面臨高維度和組合爆炸雙重問題。為了實際工程實現，基于各類合理近似，R.Mahler和B.T.Vo等人相繼提出非標號隨機集合濾波器，包括Probability Hypothesis Density(PHD)/Cardinalized PHD(CPHD)濾波器、multi-Bernoulli(MB)濾波器等，以及標號隨機集合濾波器等。