[發明專利]基于期望最大化高斯混合縮減的分布式貝葉斯濾波器目標跟蹤方法在審
| 申請號： | 202110698228.2 | 申請日： | 2021-06-23 |
| 公開（公告）號： | CN113537299A | 公開（公告）日： | 2021-10-22 |
| 發明（設計）人： | 楊峰;唐欣怡;李天成;鄭麗濤 | 申請（專利權）人： | 西北工業大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 西北工業大學專利中心 61204 | 代理人： | 華金 |
| 地址： | 710072 *** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 期望 最大化 混合 縮減 分布式 貝葉斯 濾波器 目標 跟蹤 方法 | ||
1.基于期望最大化高斯混合縮減的分布式貝葉斯濾波器目標跟蹤方法，其特征在于，包括以下步驟：
步驟1：在傳感器監測目標時，使用分布式貝葉斯濾波器進行跟蹤，測得目標在k時刻的狀態為同時傳感器的觀測值為zs,k；
根據目標狀態和觀測值，得到傳感器的后驗密度：
ps,k|k-1(xk|Zs,1:k-1)＝∫fk|k-1(xk|x)ps,k-1(x|Zs,1:k-1)dx (1)
其中，xk為k時刻的目標狀態，Zs,1:k＝[Zs,1,...,Zs,k]表示RFS量測值，ps,k|k-1(xk|Zs,1:k-1)表示為已知Zs,1:k-1觀測值時，估計xk的一步預測函數，fk|k-1(xk|x)為狀態轉移密度，ps,k(xk|Zs,1:k-1)為已知Zs,1:k-1觀測值時更新狀態的后驗密度，服從高斯分布，ηs,k(Zs,k|xk)表示RFS觀測值的似然函數。在k時刻，fk|k-1(·)、ps，k-1(·)、ηs，k(·)為已知函數，由公式(1)計算出一步預測函數，將(1)式所得函數與已知函數一起帶入(2)式得到可用于傳感器間傳播的后驗密度ps,k(xk|Zs,1:k-1)；
步驟2：定義每個傳感器中需要縮減的原始高斯混合分布記為：
使用OWM方法進行剪枝，剪枝后的高斯混合分布為：
其中，N′為剪枝后得到的高斯混合分布中所含高斯分量數目，其中第i個分量服從均值為方差為權重為的高斯分布。其中是所有預處理步驟結束后所得高斯混合分布中N′個高斯分量的概率密度函數集；
步驟3：將步驟二得到的剪枝后高斯混合分布進行WKLD迭代預處理，得到處理后的高斯混合分布為
其中，K′為預處理后得到的高斯混合分布中所含高斯分量數目，其中第k個分量服從均值為μk，方差為Σk，權重為πk的高斯分布。其中S′是所有預處理步驟結束后所得高斯混合分布中N′個高斯分量的概率密度函數集；
步驟4：根據步驟2得到剪枝后的高斯混合分布和步驟3的迭代預處理后的高斯混合分布，通過EM算法，得到最終縮減后高斯混合分布為：
步驟5：將各個傳感器中最終縮減后得到的高斯混合分布形式的后驗分布進行鄰居傳感器間的傳播與融合，融合方法采用AA融合方法，得到k時刻的融合結果并返回步驟一進入下一時刻，即進行k+1時刻的目標跟蹤，使用k時刻所得的融合結果，即狀態值和k+1時刻傳感器量測進行k+1時刻目標跟蹤，直到整個目標跟蹤過程探測結束，則跳出所有步驟結束。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西北工業大學，未經西北工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110698228.2/1.html，轉載請聲明來源鉆瓜專利網。
