1.一种贝叶斯滤波目标跟踪算法,其特征在于,具体步骤如下:(1)按照贝叶斯滤波方法,将k-1时刻目标状态的后验估计均值 和方差Pk-1/k-1代入反映目标运动规律的状态方程,求出k时刻目标状态xk的先验估计概率其中 Pk/k-1分别表示先验估计的均值和方差,Zk-1表示0~k-1时刻目标的观测数据集;
(2)通过随机变量固定点采样非线性变换高斯近似方法将k时刻雷达观测数据zk转换为目标状态的似然函数 其中 和 分别表示目标状态似然函数对应随机变量的均值和方差;
(3)采用贝叶斯滤波公式p(xk|Zk)=p(zk|xk,Zk-1)p(xk|Zk-1)/p(zk|Zk-1)将步骤(1)得到的k时刻目标状态的先验估计概率 与步骤(2)得到的目标状态的似然函数 进行乘积融合,求出k时刻目标状态的后验估计概率 其中, 为后验估计均值、Pk|k为后验估计方差,p(zk|Zk-1)为归一化常数;
(4)将步骤(3)得到的后验估计分布 进行储存,并令k=k+1对下一时刻的目标进行跟踪估计,直至跟踪结束。
2.根据权利要求1所述的贝叶斯滤波目标跟踪算法,其特征在于:所述步骤(2)中,通过随机变量固定点采样非线性变换方法将k时刻雷达观测数据zk转换为目标状态的似然函数,该随机变量固定点采样非线性变换方法为Unscented变换、Cabuture变换或高斯厄米特数值积分。
3.根据权利要求2所述的贝叶斯滤波目标跟踪算法,其特征在于:所述Unscented变换的具体步骤如下:
3.1根据观测数据zk和观测噪声协方差R按照Unscented变换规则生成观测sigma点均值权Wim、协方差权Wic,(i=0,1,…,2n-1,2n);
3.2利用反观测函数h-1(·)计算状态样本点 并求出状态似然函数对应随机变量的一、二阶矩:其中n为量测数据的维度。
4.根据权利要求1所述的贝叶斯滤波目标跟踪算法,其特征在于:所述步骤(3)采用贝叶斯滤波公式进行概率乘积融合时,对低维数据进行扩维处理,扩维时,无信息维度处置0。
5.根据权利要求1所述的贝叶斯滤波目标跟踪算法,其特征在于:所述步骤(3)采用贝叶斯滤波公式p(xk|Zk)=p(zk|xk,Zk-1)p(xk|Zk-1)/p(zk|Zk-1)将步骤(1)得到的k时刻目标状态的先验估计概率 与步骤(2)得到的目标状态的似然函数进行乘积融合,其融合的规则为:
。