1.一种鲁棒的高斯逆威沙特PHD多扩展目标跟踪算法,其特征在于:所述算法包括如下步骤:步骤1,令初始时刻k=0,初始化参数:初始目标状态为x0={m0,P0},m0为目标的位置,P0为运动误差的协方差矩阵;
步骤2,当k≥1时,对量测集进行划分;
将一组量测集Z划分成若干个非空的子集或单元W;检测W中的元素数量,利用预测信息将量测划分为集群;如果一个量测可以被分成两个集群,选择分量权重大的集群;
步骤3,根据量测信息,利用GIW-PHD跟踪算法框架对目标运动状态进行多假设滤波;
步骤4,修剪合并:
步骤5,若下一帧观测信息到达,转到步骤2进行迭代;否则,跟踪过程结束。
2.根据权利要求1所述的一种鲁棒的高斯逆威沙特PHD多扩展目标跟踪算法,其特征在于:步骤2所述的用目标的预测位置信息对目标量测集进行划分,按下述步骤计算得到:步骤2-1,当权重 时将会被调整为
步骤2-2,对位置 进行修正:
假设集和 的所有分量所对应的量测为
步骤2-3,对于每一个位置 可以通过转移矩阵进行修正其中, 是坐标转移矩阵来修正由目标靠近或分开移动而引起的错误。 是量测集位置的均值, 表示预测分量集 的位置均值;
步骤2-4,将转移矩阵 利用公式表示出来:可由 与 之间的扩展变化估算出来,转换方程如下:其中, 和 是 和 的扩展矩阵, 可通过缩放和旋转的方式变为步骤2-5,求解
Sk+1是一个缩放矩阵, 和 是 和 各自的特征根;
θ=<α1,k,α1,k+1>
ψk+1表示角度为θ的旋转矩阵,这里,α1,k和α1,k+1是 的特征向量,<α1,k,α1,k+1>是它们之间的角度。
3.根据权利要求1所述的一种鲁棒的高斯逆威沙特PHD多扩展目标跟踪算法,其特征在于:所述步骤3包括如下步骤:目标更新检测PHD为:
其中,p∠Zk对所有分区p的当前集和Zk的测量值求和, 表示漏检的PHD, 可以近似为一个如下的混合逆威沙特分布:其中, 和 是第j个高斯分布的均值和方差。 为第j个GIW分布的自由度和标度矩阵。
GIW分量权重由以下公式更新:
其中βFA,k是每次扫描的每个监视量的杂波量测参数,γ(j)是目标产生的平均测量次数。
4.根据权利要求1所述的一种鲁棒的高斯逆威沙特PHD多扩展目标跟踪算法,其特征在于:所述步骤4中,当有较高权重的GIW分量被修剪时,其对应的标签和属性也要被修剪,如果多个分量 被合并,并且 有最大的权重,则合并后分量的标签等于