[發明專利]一種抗測量野值干擾的多目標魯棒定位方法

在審

• 申請號: 202111402405.4
• 申請日: 2021-11-23
• 公開（公告）號: CN114088086A
• 公開（公告）日: 2022-02-25
• 發明（設計）人: 羅成名;楊旭東;王璐雪;王彪
• 申請（專利權）人: 江蘇科技大學
• 主分類號: G01C21/00
• 分類號: G01C21/00;G01C21/20;G06F17/16;G06F17/18;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 徐澍

本發明公開了一種抗測量野值干擾的多目標魯棒定位方法，該方法包括如下步驟：根據目標的運動模型和傳感器采集到的目標與傳感器對間的距離差信息來建立多目標的狀態模型和觀測模型；基于傳感器的先驗信息來對觀測值進行檢測，找到測量野值；引入虛擬點、關聯門和聯合概率對檢測到的測量野值進行修正；利用修正后的測量值推導具有魯棒特性的無跡粒子濾波模型；融合多傳感器的魯棒無跡粒子濾波結果實現多目標定位。本發明減弱了由于測量野值和粒子退化對目標定位結果的影響，同時減弱較差濾波結果對最終定位結果的影響，提高了多目標定位的準確度，能夠為多目標定位提供一定的基礎。

技術領域

本發明屬于利用多傳感器進行移動目標定位的技術領域，具體涉及一種抗測量野值干擾的多目標魯棒定位方法。

背景技術

非線性濾波問題是信號處理與控制理論中的熱點問題。它在許多領域都有廣泛的應用，如雷達定位、信號處理、移動機器人和導航，并且在模式識別和圖像處理領域中，濾波算法被成功應用于圖匹配、圖像分割、圖像的骨架化和輪廓提取等問題。

在實際應用中，大多數系統是非線性和非高斯的，對于這樣的系統，卡爾曼濾波將失效。隨著實際狀態模型與環境的多變，許多學者逐漸開始研究能夠適應復雜環境的濾波算法。為了解決這一問題，提出了一種用卡爾曼濾波器逼近非線性狀態空間模型的方法，即用泰勒級數展開代替狀態轉移方程和測量方程，但對于強非線性系統，這種方法會帶來較大的截斷誤差，同時，雅可比矩陣的處理也是一個復雜的計算過程。在此基礎上，提出了無跡卡爾曼濾波算法，利用多個sigma點遞歸計算均值和協方差，但無跡卡爾曼濾波仍然只能利用正態分布接近真正的后驗概率。現在，基于序貫重要性抽樣提出了一種粒子濾波算法，將重采樣技術與蒙特卡羅重要性抽樣相結合。該算法是一種最優回歸算法，結合蒙特卡羅思想和遞歸貝葉斯濾波，在處理非線性和非高斯系統時具有良好的估計效果。

現有技術具有以下缺點：

1、復雜的目標運動環境會導致某一時刻的測量序列存在野值，這會導致粒子濾波的效果變差，存在定位精度不高的問題。

2、常規粒子濾波未能很好的選擇最優的建立密度函數來指導粒子進行重采樣，存在著粒子退化的問題。

3、同時實際環境中傳感器不止一個，不同精度的測量值經過濾波獲得的定位結果精度也不同，如果只是對其進行簡單的求和平均會導致最后的定位結果變差，存在無法有效進行數據融合的問題。

發明內容

針對現有技術存在的問題，本發明提供一種抗測量野值干擾的多目標魯棒定位方法，解決現有測量野值、粒子退化和較差濾波結果影響定位結果的問題。

為達到上述目的，本發明采用的技術方案如下：

一種抗測量野值干擾的多目標魯棒定位方法，具體步驟是：根據目標的運動模型和傳感器采集到的目標與傳感器對間的距離差信息來建立多目標的狀態模型和觀測模型；基于傳感器的先驗信息來對觀測值進行檢測，找到測量野值；引入虛擬點、關聯門和聯合概率對檢測到的測量野值進行修正；利用修正后的測量值推導具有魯棒特性的無跡粒子濾波模型；融合多傳感器的魯棒無跡粒子濾波結果實現多目標定位。

進一步，所述的根據目標的運動模型和傳感器采集到的目標與傳感器對間的距離差信息來建立多目標的狀態模型和觀測模的內容和方法，具體包括以下步驟：

(1)多目標狀態為其中 mx_j(k)、my_j(k)和mz_j(k)分別代表移動目標的位置坐標，和分別代表移動目標x軸、y軸和z軸的速度，于是多目標的狀態模型可表示為 X_j(k)＝F_jX_j(k-1)+Γ_ju_j(k-1)，u_j(k-1)為符合高斯分布的過程噪聲，F_j為狀態轉移矩陣，Γ_j為狀態噪聲矩陣；