1.一种测量数据丢失情况下的多目标跟踪方法,其特征在于,包括以下步骤:
步骤1,对于多目标跟踪,目标状态集Xk={xk,1,…,xk,m(k)},m(k)是目标状态向量个数,下标k表示k时刻;目标状态随机有限集Ξk=Sk(Xk-1)∪Nk(Xk-1),其中Sk(Xk-1)、Nk(Xk-1)分别为原保存和新产生的目标随机有限集;k时刻新生目标强度函数其中分别代表第i个新生目标的权值、均值和协方差矩阵,Jγ,k为新生目标的总数;真实目标和杂波源的新生概率假设密度为势分布为
步骤2,初始化初始目标的概率假设密度D0(x)及势分布p0(n);
步骤3,预测:对目标状态集Xk在k+1时刻的概率假设密度及势分布进行预测,k≥1,得到k+1时刻的概率假设密度Dk+1|k(x)及势分布pk+1|k(n);
步骤4,更新:对目标状态集Xk在k+1时刻的概率假设密度及势分布进行更新,k≥1,得到此时刻的概率假设密度及势分布Dk+1(x)、pk+1(n);
步骤5,修剪合并:对目标集强度函数υk+1(x)的高斯项进行修剪合并,提取目标状态估计进行性能评估;
步骤6,重复步骤3~5,对目标进行跟踪直至目标消失。
2.根据权利要求1所述的测量数据丢失情况下的多目标跟踪方法,其特征在于,步骤2所述初始化初始目标的概率假设密度D0(x)及势分布p0(n),具体如下:
初始目标的概率假设密度D0(x)及势分布p0(n)的关系为:
D0(x)=n0·s0(x)
其中,s0(x)为概率密度,s0(x)峰值对应先验的目标位置;初始目标的势分布p0(n)是目标数n的概率分布,p0(n)期望值为n0,即:
在高斯势概率假设密度方法中,初始概率假设密度D0(x)符合高斯分布,D0(x)由每个目标的正态分布概率和表示;而初始势分布选择为二项分布,则:
其中,[0,L]为目标满足均匀分布的区间,n0为初始目标数的推测值,n0=Lq0,q0为二项式分布发生概率,为伯努利分布、CL,n为分布系数。
3.根据权利要求1所述的测量数据丢失情况下的多目标跟踪方法,其特征在于,步骤3所述对目标状态集Xk在k+1时刻的概率假设密度及势分布进行预测,k≥1,得到k+1时刻的概率假设密度Dk+1|k(x)及势分布Pk+1|k(n),具体如下:
在k时刻,已知的参数有:概率假设密度Dk(x)、目标数的期望nk、势分布Pk(x),k时刻存活下来的目标状态集Xk的概率假设密度如下:
Dk+1|k(x)=∫ps(x')·fk+1|k(x|x')·Dk|k(x')dx'
其中:ps(x')表示目标存活概率,取0.9;fk+1|k(x|x')表示单目标马儿可夫转移密度;Dk|k(x')表示前一时刻目标状态集Xk的概率假设密度,则k时刻目标状态集Xk的概率假设密度Dk+1|k(x)=b(x)+∫ps(x')·fk+1|k(x|x')·Dk|k(x')dx',b(x)为衍生目标概率;
势分布:
其中:pk+1|k(n)为k+1时刻的预测值、j为样本数、ps为目标存活概率、Jk为k个高斯成分、为k时刻期望目标数,代表第j个目标的权值,Nmax代表势分布的最大可能数,pk(l)代表前一时刻即k时刻的目标存活概率,代表二项式系数;
目标数的期望值预测:
其中:分别代表期望的新生目标数和存活目标数。
4.根据权利要求1所述的测量数据丢失情况下的多目标跟踪方法,其特征在于,步骤4所述对目标状态集Xk在k+1时刻的概率假设密度及势分布进行更新,k≥1,得到此时刻的概率假设密度及势分布Dk+1(x)、pk+1(n),包括对真实协方差矩阵和真实偏差进行无偏转换并解耦合;分析多普勒频移背景下的传感器测量数据丢失现象,引入比例因子调节系统增益矩阵;设置自适应门限对量测集合进行简化,减小当前观测集中的观测数目M,具体如下:
(4.1)真实协方差矩阵和真实偏差中添加偏差补偿因子,进行无偏估计并解耦合,得到改进的和代入更新方程;
μ=[μx,μy,μz]T
其中,μx、μy、μz分别为偏差μ在x、y、z轴上的投影,为协方差矩阵中的量;
噪声协方差矩阵是一个3×3的对称矩阵,其中非对角线上的元素Rxy,Ryz,Rxz代表x,y,z轴的噪声耦合相,在协方差矩阵R中,相对于主对角线上的元素Rxx,Ryy,Rzz,忽略非对角线上元素的影响,具体解耦细节如下:
在笛卡尔坐标系上,噪声协方差矩阵R描述为;
Rnew=MRMT
其中,M是转移矩阵;
此时,转换后的噪声协方差矩阵Rnew写成:Rnew=diag(Rxx,Ryy,Rzz)
(4.2)首先,定义量测误差向量e(k+1):
其中,y(k+1)是第k+1时刻的目标笛卡尔坐标系下的量测值,是第k+1时刻的预测值;
然后,在增益矩阵求取公式中添加一个n维方阵S(k)用来调节GM-CPHD滤波器的增益矩阵,得:
E(k+1)=H(k+1)P(k+1|k)HT(k+1)+(S(k)-I)R0(k+1)+R(k+1)
其中,I是单位阵,R0(k+1)是对角阵,且对角元素的取值为平均真实偏差R(k+1)的对角元素,H为观测矩阵;
设增益调节矩阵为S*(k),用来调节增益矩阵,求取公式如下:
Sii(k)是S(k)的i行i列元素,即S(k)对角线上的第i个元素;
(4.3)设置自适应门限去掉所有和已知被探测目标不相关的量测数据,设γ为自适应跟踪门限的大小,观测维数M,残差协方差矩阵S(k),此时门限γ满足:
其中,PD为检测概率,β为新源密度;根据公式,门限γ与残差协方差矩阵S(k)有关,而S(k)是一个与目标状态集有关的变量。
5.根据权利要求1所述的测量数据丢失情况下的多目标跟踪方法,其特征在于,步骤5所述对目标集强度函数υk+1(x)的高斯项进行修剪合并,提取目标状态估计进行性能评估,具体如下:
将小于权值τ的高斯成分滤掉,
式中,为单个高斯分量的权值,为GM-CPHD函数中单个高斯分量的均值,为目标状态协方差矩阵,x为目标状态集,为与目标状态、均值和协方差矩阵有关的函数,为k+1时刻的概率假设密度函数;
当高斯成分间的距离小于阈值U时,将这些高斯成分合并;最后提取权值大于τ1的高斯成分。