[發明專利]一種魯棒的高斯逆威沙特PHD多擴展目標跟蹤算法

在審

• 申請號: 202010101448.8
• 申請日: 2020-02-19
• 公開（公告）號: CN111274529A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 李鵬;胡德榮;朱潔;李嘉偉;徐宏鵬
• 申請（專利權）人: 江蘇理工學院
• 主分類號: G06F17/11
• 分類號: G06F17/11;G06F17/16
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 杭行

本發明屬于智能信息處理技術領域，涉及多擴展目標的預測劃分與量測標記，具體為一種魯棒的高斯逆威沙特PHD多擴展目標跟蹤算法，實現了對緊鄰目標量測集的高精度劃分和精確跟蹤，可以用更小的代價實現更精確地劃分，從而可以提高濾波器的精度，可用于航空航天、機器人導航、無人車輛導航，車輛跟蹤、激光雷達等領域，與傳統方法相比，本發明具有良好的精度與魯棒性，具有良好的利用價值。

技術領域

本發明屬于智能信息處理技術領域，涉及雷達信號處理和多擴展目標跟蹤，準確地說是一種用于高斯逆威沙特概率假設密度(GIW-PHD)濾波器的多擴展目標跟蹤算法，此方法可在復雜情況下以較小的代價實現更精確地跟蹤，可用于航空航天、機器人導航、無人車輛導航、車輛跟蹤、激光雷達等領域。

背景技術

通常，多目標跟蹤基于每個目標每次探測最多產生一個量測的假設，然而，隨著高分辨率傳感器技術的發展(如激光雷達)，每次探測可能產生多個量測，稱這該類型的目標為擴展目標。

目前GIW-PHD跟蹤算法在擴展目標跟蹤問題中被廣泛使用，該算法針對多擴展目標的量測集劃分方法主要包括：距離-子劃分(DP-SP)、期望最大劃分(EMP)和預測劃分(PP)等方法。DP-SP先用距離進行初步劃分然后用Kmean++進行子劃分，EMP算法根據假設期望最大的原則進行劃分，PP算法使用預測信息進行劃分，但是當目標緊鄰并機動時，劃分結果都會出現較大誤差。因此，針對目標緊鄰并執行機動時出現誤差的問題，現有方法有待進一步優化。

發明內容

針對上述緊鄰目標跟蹤精度下降的問題，本發明提出了一種魯棒的高斯逆威沙特PHD多擴展目標跟蹤算法。實現本發明的關鍵技術是對目標和對應量測進行標記，然后通過分析k和k+1之間目標狀態和對應量測信息的變化，調整預測參數進行量測集劃分。因此，提出跟蹤算法的精度高于原算法。

一種魯棒的高斯逆威沙特PHD多擴展目標跟蹤算法，包括如下步驟：

步驟1，令初始時刻k＝0，初始化參數：初始目標狀態為x₀＝{m₀,P₀}，m₀為目標的位置，P₀為運動誤差的協方差矩陣；

步驟2，當k≥1時，對量測集進行劃分；

將一組量測集Z劃分成若干個非空的子集或單元W；檢測W中的元素數量，利用預測信息將量測劃分為集群；如果一個量測可以被分成兩個集群，選擇分量權重大的集群；

步驟3，根據量測信息，利用GIW-PHD跟蹤算法框架對目標運動狀態進行多假設濾波；

步驟4，修剪合并：

步驟5，若下一幀觀測信息到達，轉到步驟2進行迭代；否則，跟蹤過程結束。

進一步地，步驟2所述的用目標的預測位置信息對目標量測集進行劃分，按下述步驟計算得到：

步驟2-1，當權重時將會被調整為

步驟2-2，對位置進行修正：

假設集和的所有分量所對應的量測為

步驟2-3，對于每一個位置可以通過轉移矩陣進行修正

其中，是坐標轉移矩陣來修正由目標靠近或分開移動而引起的錯誤。是量測集位置的均值，表示預測分量集的位置均值；

步驟2-4，將轉移矩陣利用公式表示出來：