[發明專利]一階傳播的多節點分散式GM-PHD融合方法

有效

• 申請號: 202011476489.1
• 申請日: 2020-12-15
• 公開（公告）號: CN112748416B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 申屠晗;許劍波;彭東亮;郭云飛;駱吉安
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G01S7/42
• 分類號: G01S7/42
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊舟濤

本發明公開了一階傳播的多節點分散式GM?PHD融合方法，本發明為了研究分散式結構下的融合邏輯,在高斯混合概率假設密度估計器(GM?PHD)的基礎上，在傳感器每個時刻只與相鄰傳感器進行單次通信的條件下,提出了一種多傳感器分散式融合算法框架，實現了一階傳播的多節點分散式GM?PHD融合算法。本發明配置結構明了，魯棒性強，可廣泛應用于多目標跟蹤領域。

技術領域

本發明涉及多傳感器有限覆蓋/有限鏈接基礎上的多傳感器融合多目標跟蹤領域，涉及一種基于概率假設密度濾波的多傳感器多目標分散式融合跟蹤方法，用于建立多傳感器多目標分散式跟蹤方法，實現多傳感器對多目標的分散式融合與跟蹤，緩解分散式結構下融合信息的高冗余性問題。

背景技術

多目標跟蹤是通過測量聯合估計未知時變目標數目和多目標對應狀態。在多目標跟蹤中，存在著目標個數未知、探測概率未知、測量誤差較大、甚至有對抗性干擾等不利因素，多目標跟蹤成為一個具有挑戰性的問題。傳統的多目標跟蹤算法大都基于數據關聯，需要建立目標與量測之間的隸屬關系，當目標個數較多時，這些算法都存在著NP難問題。典型數據關聯方法如最近鄰法(nearest neighbor,NN)、概率數據關聯(Probabilistic DataAssociation,PDA)、聯合概率數據關聯(Joint Probabilistic Data Association,JPDA)等常假定目標數目恒定且已知，而現實中該條件難以滿足。近年來，有限集統計學理論(Finite Sets Statistics,FISST)作為一種工程友好的貝葉斯理論工具受到目標跟蹤領域學者的廣泛關注。FISST將所有單目標狀態空間構成一個集合，而一次觀測所獲得的觀測值也可構成一個集合。但由于多目標狀態空間和觀測空間是無限維的，最優多目標貝葉斯濾波器在實際中難以應用。針對該問題，Mahler提出了使用隨機有限集(RFS)理論來解決多目標跟蹤問題，算法將復雜的多目標狀態空間的運算轉化為單目標狀態空間內的運算，有效地避免了多目標跟蹤中復雜的數據關聯問題，在保證濾波精度的同時，提高了算法的實時性。在多目標跟蹤(Multi-Target Tracking,MTT)領域，基于隨機有限集(Random FiniteSet,RFS)理論的濾波算法成為近年來研究的熱點。RFS方法從有限集的角度處理MTT問題，將多目標狀態表示為隨機集合的形式，集合中的元素和元素個數分別代表目標的狀態向量和可能出現的目標個數。基于RFS的MTT方法能有效避免傳統算法的數據關聯過程，具有良好的工程應用前景，越來越多地受到國內外學者的重視，主要有概率假設密度(Probability Hypothesis Density,PHD)算法和勢概率假設密度(Cardinalized PHD,CPHD)算法。PHD濾波器有兩種實現，一種基于高斯混合(GM)模型的GMPHD濾波器，另一種基于順序蒙特卡羅(SMC)模型的SMCPHD濾波器。

在多傳感器信息融合領域中，集中式和分布式融合結構的研究十分成熟，國內外有著大量的研究成果，以上兩種融合結構的共同點是皆為有中心的處理方式，其處理方式的基本原理是：由指揮系統指定的融合中心為數據鏈網絡中唯一的融合處理單元，融合中心收集并處理本地數據，遠端數據，經綜合處理形成統一態勢后，將統一態勢下發給數據鏈網絡中的其他成員，有中心處理方式的主要缺點是當融合中心單元工作不正常時整個數據鏈網絡的戰場感知能力將喪失，這增加了系統的不穩定性。而另一種融合結構：分散式融合結構則是一種無中心的處理方式。在無中心處理方式中，各個成員節點將各自探測到的信息在網絡中廣播，同時接受其他節點發布的目標探測信息。各個節點將本節點探測到的本地數據與從數據網絡上收到的其他節點的遠端數據進行綜合處理，每個節點都會形成一個對整個網絡范圍內目標信息的綜合處理結果。近年來，軍事通信領域的數據鏈技術正呈現出高速發展趨勢，應用于機載平臺通信數據鏈種越來越多，通信傳輸速率越來越快，通信帶寬越來越大。這使得類似于分散式這樣無中心的網絡結構相關研究越來越豐富。

發明內容