[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(jì)）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

本發(fā)明公開了一種未知概率Skew及重尾噪聲下的目標(biāo)跟蹤方法，包含以下步驟：首先，在分布式目標(biāo)跟蹤框架下，根據(jù)未知參數(shù)所服從的特性進(jìn)行先驗(yàn)建模；其次通過標(biāo)準(zhǔn)變分貝葉斯方法定點(diǎn)迭代聯(lián)合推斷出目標(biāo)狀態(tài)、系統(tǒng)偏差、噪聲協(xié)方差等后驗(yàn)分布參數(shù)；最后依據(jù)協(xié)方差交叉融合策略實(shí)現(xiàn)對局部狀態(tài)估計(jì)值的融合與修正。所提方法在目標(biāo)跟蹤過程中綜合考慮了未知概率隨機(jī)出現(xiàn)的過程噪聲、異常重尾量測噪聲和未知且時(shí)變的系統(tǒng)偏差的多重影響，能夠有效地估計(jì)出目標(biāo)狀態(tài)、噪聲協(xié)方差、系統(tǒng)偏差等未知參數(shù)，進(jìn)而提高了目標(biāo)的跟蹤精度，同時(shí)具有較好的自適應(yīng)性和魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及多傳感器目標(biāo)跟蹤技術(shù)領(lǐng)域，尤其涉及一種過程噪聲為未知概率隨機(jī)出現(xiàn)Skew噪聲或重尾噪聲、未知且時(shí)變系統(tǒng)偏差及重尾量測噪聲的目標(biāo)跟蹤方法。

背景技術(shù)

目前，當(dāng)今戰(zhàn)場環(huán)境復(fù)雜多變，電磁環(huán)境愈發(fā)復(fù)雜，采用單一傳感器信息對導(dǎo)彈進(jìn)行制導(dǎo)必然面臨探測不精確、易受敵欺騙干擾、目標(biāo)信息易中斷等問題。因此，在傳感器網(wǎng)絡(luò)中，從各種傳感器收集的信息被協(xié)同融合，以提高系統(tǒng)整體性能。然而融合過程依賴于傳感器的精確配準(zhǔn)，此外實(shí)際工程中目標(biāo)往往受外界環(huán)境的影響，嚴(yán)重的過程噪聲可能使目標(biāo)產(chǎn)生離群值，故在目標(biāo)跟蹤過程中過程噪聲的影響就無法被忽略，此外傳感器在對目標(biāo)觀測時(shí)同樣會遭受量測噪聲的影響，使用錯(cuò)誤/不準(zhǔn)確的過程噪聲和量測噪聲可能會導(dǎo)致嚴(yán)重的估計(jì)誤差，甚至使濾波發(fā)散，故進(jìn)行傳感器偏差配準(zhǔn)的同時(shí)對噪聲信息進(jìn)行估計(jì)，進(jìn)而提高目標(biāo)的跟蹤精度。

一些傳統(tǒng)的配準(zhǔn)算法如最小二乘(LS)法和最大似然估計(jì)(MLE)法，在不考慮噪聲或噪聲很小的情況下能夠有效地估計(jì)出系統(tǒng)偏差，然而這些算法屬于離線類算法，缺乏實(shí)時(shí)性。近些年來為了減輕傳感器的通信負(fù)擔(dān)，提高傳感器的工作效率，分布式傳感器網(wǎng)絡(luò)應(yīng)運(yùn)而生，Okello等人提出了一種用于分布式航跡級配準(zhǔn)的等效測量方法，即將傳感器偏差擴(kuò)維至狀態(tài)向量。該方法設(shè)計(jì)了兩個(gè)并行擴(kuò)展卡爾曼濾波器(EKF)，用于估計(jì)量測航跡關(guān)聯(lián)后同一目標(biāo)的狀態(tài)和傳感器偏差。雖然該算法易于實(shí)現(xiàn)并且在線處理，實(shí)時(shí)性得到了提高，并且考慮了噪聲影響，但噪聲僅為高斯白噪聲且時(shí)不變的情況下，收斂不合理且狀態(tài)擴(kuò)維增加了通信負(fù)擔(dān)。Y.Huang等人在目標(biāo)跟蹤中應(yīng)用了變分貝葉斯(VB)方法，VB是一種在線處理算法，綜合考慮了過程噪聲和量測噪聲的影響，首先對噪聲信息協(xié)方差矩陣進(jìn)行先驗(yàn)建模，其次采用變分迭代求解,由于考慮了噪聲影響提高了目標(biāo)跟蹤精度，但未考慮系統(tǒng)偏差的影響。Y.Huang等人另外運(yùn)用變分迭代的思想，除了考慮量測噪聲的影響外，還將系統(tǒng)偏差以高斯分布建模，然后利用VB定點(diǎn)迭代估計(jì)出系統(tǒng)偏差和量測噪聲協(xié)方差矩陣等后驗(yàn)參數(shù)，但未考慮目標(biāo)本身可能遭受外界過程噪聲的影響。此外，目前狀態(tài)過程噪聲為未知概率隨機(jī)出現(xiàn)重尾噪聲或Skew噪聲的研究還未有相關(guān)學(xué)者提出。

綜上，現(xiàn)有的算法較少能兼顧處理目標(biāo)跟蹤過程中出現(xiàn)的各種問題，具體如下：

1.在進(jìn)行目標(biāo)跟蹤過程中，目標(biāo)本身可能隨機(jī)遭受未知概率隨機(jī)出現(xiàn)的重尾過程噪聲或Skew過程噪聲的影響，進(jìn)而使目標(biāo)自身產(chǎn)生離群值，對目標(biāo)跟蹤造成困難；

2.傳感器量測值可能遭受異常重尾量測噪聲和未知且時(shí)變的系統(tǒng)偏差的雙重影響，進(jìn)而使傳感器量測信息不準(zhǔn)確，甚至丟失目標(biāo)；

3.實(shí)際工程中工作環(huán)境復(fù)雜多變，電磁環(huán)境愈發(fā)復(fù)雜，采用單一傳感器信息、必然面臨探測不精確、易受敵欺騙干擾、目標(biāo)信息易中斷等問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種未知概率Skew及重尾噪聲下的目標(biāo)跟蹤方法，能夠處理多傳感器跟蹤目標(biāo)過程中涉及過程噪聲為未知概率隨機(jī)出現(xiàn)的Skew噪聲或重尾噪聲、未知且時(shí)變系統(tǒng)偏差以及重尾量測噪聲，進(jìn)而提高了目標(biāo)跟蹤精確度和魯棒性。

本發(fā)明采用的技術(shù)方案為：

未知概率Skew及重尾噪聲下的目標(biāo)跟蹤方法，包括

包括以下步驟：