欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018115498855
申请人: 桂林电子科技大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.区间量测下交互式多模广义标签多伯努利的快速跟踪方法,其特征是,包括步骤如下:步骤1、根据目标运动场景,设定初始时刻目标粒子的状态参数,并用设定的状态参数作为目标粒子的初始分布,采样固定数目的初始分布目标粒子,并将其用标签多伯努利随机集的参数集形式表示,得到初始时刻目标采样粒子标签多伯努利随机集的后验分布为:式中,H是指标空间,h是指标, 表示初始时刻广义标签多伯努利粒子滤波轨迹表假设标签的假设权重; 表示初始时刻第j个目标采样粒子的状态, x0表示初始时刻目标的横坐标, 表示初始时刻目标的水平速度,y0表示初始时刻目标的纵坐标, 表示初始时刻目标的垂直速度,T表示转置操作; 表示初始时刻第j个目标采样粒子的模型权概率, p为模型个数; 表示初始时刻第j个目标采样粒子状态对应的状态权重; 表示初始时刻的目标采样粒子数目;l为标签;

步骤2、利用前一时刻的目标采样粒子标签多伯努利随机集的后验分布和前一时刻的区间量测数据,用交互式多模方法对目标采样粒子进行预测,得到当前时刻预测的目标采样粒子标签多伯努利随机集的后验分布为:式中, 表示从k‑1时刻到k时刻持续存活粒子在模型s下的状态预测, 表示k时刻持续存活粒子在模型s下的模型权概率, 表示从k‑1时刻到k时刻持续存活粒子在模型s下的权重预测, 表示持续存活粒子数目; 表示k时刻新生目标的采样粒子在模型s下的状态预测, 表示新生目标的采样粒子k时刻在模型s下的模型权概率, 表示k时刻新生目标的采样粒子在模型s下的粒子权重预测; 表示新生粒子数目;l为标签;

具体预测方法可由下列步骤来完成:

步骤2.1、对k‑1时刻更新后的目标采样粒子标签多伯努利随机集后验分布,进行重采样得到k‑1时刻存活粒子的采样样本;

步骤2.2、根据高斯分布,设置4种出生粒子成分,共采样 个新生粒子;

步骤2.3、将k‑1时刻重采样得到的存活粒子采样样本结合交互式多模方法对存活粒子进行预测,由每个模型预测得到的粒子 和模型权概率 得到交互多模型混合粒子,具体计算如下:其中, 是预测模型概率,

Tr:,h为模型转移概率矩阵的第h列, 是对应模型s的预测粒子区间量测广义似然函数, Fs,k为模型s对应的状态转移方程,s=1,…,p,p为模型总个数,νk为状态噪声;

步骤2.4、计算存活目标和出生目标的预测状态和权重:

其中

步骤2.5、合并带标签的权重粒子:

步骤3、利用当前时刻的区间量测数据,计算每个目标采样粒子的广义似然函数,并根据广义似然函数,使用广义标签多伯努利滤波器对当前时刻预测的目标采样粒子标签多伯努利随机集的后验分布进行更新,得到当前时刻更新的目标采样粒子标签多伯努利随机集的后验分布为:式中, 表示k时刻第j个目标采样粒子状态的更新, 表示k时刻第j个目标采样粒子的权重的更新; 表示k时刻预测的目标采样粒子数目, 表示k时刻的目标采样粒子数目;

具体的更新方法可由下列步骤来完成:

步骤3.1、利用当前时刻的区间量测数据,计算每个预测目标采样粒子对应的广义似然函数,多目标似然具体计算如下:步骤3.2、根据区间量测似然函数,对k时刻每个预测目标粒子的权重进行更新计算:式中, 是一个函数,使得当i=j时满足θk(i)=θk(j)>0,λ为杂波均值, Ms,k表示在k时刻模型变量的一个集合,Ms,k={s1,…,sk};

步骤4、从步骤4所得到的当前时刻更新的目标采样粒子标签多伯努利随机集的后验分布中,选出其标签权重大于给定阈值的当前时刻更新的目标采样粒子标签多伯努利随机集的后验分布,作为当前时刻截断的目标采样粒子标签多伯努利随机集的后验分布为:式中,Hk是指标空间H在k时刻分量总数,h是指标,; 表示k时刻广义标签多伯努利粒子滤波轨迹表假设标签的假设权重, 表示k时刻第j个目标采样粒子的状态, 表示k时刻第j个目标采样粒子的模型权概率, 表示k时刻第j个目标采样粒子状态对应的状态权重; 表示k时刻的目标采样粒子数目;l为标签;

步骤5、分别计算步骤5所得到的当前时刻截断的目标采样粒子标签多伯努利随机集的后验分布的势,并找出其中最大势所对应的指标N;从步骤5所得到的当前时刻截断的目标采样粒子标签多伯努利随机集的后验分布中选出标签权重较大的N‑1个当前时刻截断的目标采样粒子标签多伯努利随机集的后验分布,作为当前时刻最终的目标采样粒子标签多伯努利随机集的后验分布;

步骤6、计算当前时刻最终的目标采样粒子标签多伯努利随机集的后验分布的加权和,并将该加权和结果作为当前时刻估计的目标状态;状态估计具体计算如下:其中,xk,i为当前时刻第i个目标的状态估计, 为后验最大势对应假设轨迹的目标采样粒子的更新粒子, 表示对应更新粒子的更新权重; 表示k时刻的目标采样粒子数目;l为标签;Nk为后验最大势对应的目标个数;

步骤7、判断所有时刻是否处理完毕:若是,则输出当前时刻估计的目标状态;否则,执行步骤2,处理下一时刻。