[發(fā)明專利]未知概率Skew及重尾噪聲下的目標(biāo)跟蹤方法

在審

• 申請?zhí)枺?/td>: 202211020469.2
• 申請日: 2022-09-29
• 公開（公告）號: CN115358325A
• 公開（公告）日: 2022-11-18
• 發(fā)明（設(shè)計）人: 周林;張前程;軒亞柯;劉樾;程聰聰;張夢;冷俊芳;李軍偉;胡振濤
• 申請（專利權(quán)）人: 河南大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N7/00
• 代理公司: 鄭州聯(lián)科專利事務(wù)所(普通合伙) 41104
• 代理人: 劉建芳

1.未知概率Skew及重尾噪聲下的目標(biāo)跟蹤方法，其特征在于：包括

包括以下步驟：

S1：多傳感器共同跟蹤同一目標(biāo)的物理場景，在目標(biāo)跟蹤過程中綜合考慮目標(biāo)狀態(tài)過程噪聲、傳感器量測噪聲和系統(tǒng)偏差的影響，故建立目標(biāo)的狀態(tài)模型、量測模型和系統(tǒng)偏差模型；

S2：設(shè)置k-1時刻變分迭代求解參數(shù)的初值和初始化期望，k＝1,2,3...,ts，ts為仿真總時間；

S3：建立k時刻傳感器s的目標(biāo)狀態(tài)一步預(yù)測概率密度P(x_k,s∣z_1:k-1)模型、量測似然概率密度P(z_k,s∣x_k,s)模型和對數(shù)聯(lián)合概率密度模型；

S4：變分貝葉斯近似后驗：

步驟S3構(gòu)建的模型參數(shù)之間存在相互耦合，無法解析求解未知參數(shù)的后驗，引入變分貝葉斯方法近似求解S3中的未知參數(shù)的后驗，其求解公式如下：

其中，表示關(guān)于求期望操作，表示取集的某一個元素，是集中除外剩余元素，相對未知參數(shù)是不相關(guān)的常數(shù)，表示以自然常數(shù)為底的對數(shù)近似后驗概率密度；

S5：設(shè)置變分迭代總次數(shù)為i表示變分第i次迭代，i＝0:

S6：更新求解狀態(tài)預(yù)測協(xié)方差矩陣P_k|k-1,s和量測噪聲協(xié)方差矩陣R_k,s；

S7：更新求解形狀參數(shù)β_k、系統(tǒng)偏差η_k,s和目標(biāo)狀態(tài)x_k,s；

S8：更新求解輔助變量λ_k、γ_k及其對應(yīng)自由度參數(shù)ω_k、ν_k；

S9：更新求解隨機(jī)變量ξ_k和Skew噪聲發(fā)生概率π_k；

S10：重復(fù)步驟S6-S9，直到達(dá)到預(yù)先設(shè)定變分迭代總次數(shù)或滿足迭代終止條件:ε一般取1e-15，則迭代結(jié)束；

S11：輸出變分迭代結(jié)果:

輸出迭代結(jié)果：和Σ_k|k,s，并賦值作為k+1時刻變分迭代初始值；

S12：多傳感器分布式融合反饋:

在分布式網(wǎng)絡(luò)中，在其局部濾波器完成偏差配準(zhǔn)后僅依賴單個傳感器進(jìn)行目標(biāo)跟蹤往往很難達(dá)到預(yù)期的精度，故需將步驟S11變分迭代求解得到的各局部濾波器狀態(tài)值以及其協(xié)方差矩陣P_k|k,s信息進(jìn)行融合并將融合后的最優(yōu)目標(biāo)狀態(tài)及其協(xié)方差矩陣反饋給各局部濾波器。

2.根據(jù)權(quán)利要求1所述的未知概率Skew及重尾噪聲下的目標(biāo)跟蹤方法，其特征在于：所述步驟S1中離散目標(biāo)狀態(tài)模型、量測模型和系統(tǒng)偏差模型的貝葉斯理論統(tǒng)計公式具體如下所示：

x_k,s＝F_k-1x_k-1,s+w_k-1

z_k,s＝H_kx_k,s+η_k,s+v_k,s

η_k,s＝η_k-1,s+n_k-1,s s＝1,2,3,...,S

其中，x_k,s是k時刻傳感器s的目標(biāo)狀態(tài),k＝1,2,3...,ts，(x_k,y_k)

為位置坐標(biāo)，表示對應(yīng)的速度，F(xiàn)_k-1為k-1時刻到k時刻狀態(tài)轉(zhuǎn)移矩陣，w_k-1為k-1時刻過程噪聲,其噪聲協(xié)方差矩陣為Q_k-1；z_k,s為k時刻傳感器s的量測值，H_k為k時刻量測轉(zhuǎn)移矩陣；v_k,s為k時刻傳感器s的量測噪聲，其噪聲協(xié)方差矩陣為R_k,s；η_k,s為k時刻傳感器s的系統(tǒng)偏差，n_k-1,s為k-1時刻傳感器s的系統(tǒng)偏差噪聲，其噪聲協(xié)方差矩陣為Q_η,k-1。