1.一种基于轨迹集的泊松多伯努利多扩展目标跟踪方法,其特征在于,包括:基于轨迹有限集对若干个目标在空间中的运动轨迹进行建模,并对接收到的传感器量测集进行划分;
利用随机矩阵对多扩展目标状态进行建模,然后分别进行多扩展目标轨迹预测、多扩展目标轨迹更新、多扩展目标状态修剪合并后,提取轨迹状态并输出跟踪结果;
判断是否接收到新的量测集,若是,继续对量测集进行划分,迭代预测和更新多扩展目标的轨迹状态并输出跟踪结果;若否,结束轨迹算法;
所述基于轨迹有限集对若干个目标在空间中的运动轨迹进行建模的过程包括,将所述轨迹有限集集合中的元素定义为一组状态序列,获得目标轨迹信息;
基于所述目标轨迹信息对多扩展目标的运动轨迹集合以及扩展形状进行参数初始化,根据初始化后的参数完成建模;
其中,定义的所述状态序列为:
其中,t
所述多扩展目标轨迹更新的过程包括,
在扩展目标量测似然函数框架下,通过基于密度的聚类算法DBSCAN对所有量测值进行划分,同时计算每一个量测划分单元的似然函数值,然后在扩展目标TPMB的框架下对目标进行更新;
所述在扩展目标TPMB的框架下对目标进行更新的过程包括,对于潜藏在监测空间中仍未被检测到的目标,更新发生的误检假设参数、存活的目标轨迹参数以及新目标的轨迹参数;
所述多扩展目标状态修剪合并的过程包括,将多扩展目标更新后的伯努利分量中存活概率小于修剪阈值的分量进行剔除,同时合并距离小于合并阈值的伯努利分量,在修剪与合并完成后,若分量的个数仍然大于最大分量个数,则从高到低依次选择存活概率较大的伯努利分量;
所述提取轨迹状态根据状态提取公式提取伯努利分量的轨迹起始时间以及概率最大的轨迹结束时间以及相应的轨迹状态均值;
所述状态提取公式的表达式为:
其中,t
所述对接收到的传感器量测集进行划分的过程包括,采用基于密度的聚类方法DBSCAN进行量测集的划分,将传感器接收到的一系列量测根据密度划分量测单元;
预设邻域半径E
获取每个核心点的邻域内所有核心点,将所有核心点邻域内所有量测点的集合构成量测簇;
针对每个边界点,若所述边界点与核心点的距离小于或等于邻域半径E其中,所述邻域半径E
利用随机矩阵对多扩展目标状态进行建模的过程包括,将目标的形状轮廓建模为椭圆,长短轴描述目标大小,长轴的方向描述椭圆形扩展目标的运动方向;
利用随机矩阵描述扩展目标形状轮廓,将目标状态建模为:ζ=(γ,x,X)
其中,γ为量测率,x为运动状态,X为外围轮廓扩展状态;
所述扩展目标形状轮廓包括目标的位置、速度、方位角、半长轴和半短轴;
所述利用随机矩阵描述扩展目标形状轮廓进行目标状态建模基于多目标轨迹后验概率密度函数完成;
所述多目标轨迹后验概率密度函数的公式表达式为:其中,ζ
所述多扩展目标轨迹预测的过程包括,
通过泊松点过程描述当前时刻未被传感器检测的目标,获得未被检测到的目标概率;
利用轨迹泊松多伯努利TPMB滤波方法的预测步,对利用轨迹随机有限集描述的多扩展目标轨迹先验概率分布进行预测。