專利名稱：一種基于變分貝葉斯容積強(qiáng)跟蹤信息濾波的目標(biāo)跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明屬于非線性系統(tǒng)的目標(biāo)跟蹤領(lǐng)域，特別涉及一種基于容積強(qiáng)跟蹤信息濾波器的自適應(yīng)濾波方法。
背景技術(shù)：
非線性濾波是信號(hào)處理、目標(biāo)跟蹤和控制領(lǐng)域方面的熱門(mén)話題之一，特別是，在卡爾曼濾波框架下的非線性濾波研究仍然是一個(gè)很火的問(wèn)題，在近年來(lái)受到了越來(lái)越多的關(guān)注和研究?？柭鼮V波器(KF)最初是由R.E Kalman處理線性動(dòng)態(tài)系統(tǒng)的狀態(tài)估計(jì)時(shí)提出來(lái)的。隨后，相繼提出了擴(kuò)展的卡爾曼濾波器(EKF)，把KF的的應(yīng)用延伸到非線性系統(tǒng)。因?yàn)槭褂锰├照归_(kāi)公式將原系統(tǒng)線性化，EKF的性能并不理想，尤其是，雅可比矩陣的計(jì)算嚴(yán)重限制了 EKF的應(yīng)用。無(wú)味濾波(UKF)通過(guò)無(wú)味轉(zhuǎn)換，雖然能明顯改善EKF的性能，但是，在維數(shù)災(zāi)難的情況下，UKF的使用仍然有限制。此后，容積卡爾曼濾波器和相應(yīng)平方根容積卡爾曼濾波器(SCKF)相繼被提出來(lái)解決這個(gè)問(wèn)題。很快，容積信息濾波器(CIF)和平方根容積新息濾波器(SRCIF)也相繼給出。這些非線性濾波器一般都要求已知的、精確的系統(tǒng)參數(shù)，并且沒(méi)有狀態(tài)的突變等等。一旦這些情況出現(xiàn)了，當(dāng)前的非線性濾波器就不能很好的工作。另外，當(dāng)增益矩陣趨于連續(xù)時(shí)，一旦出現(xiàn)狀態(tài)突變，這些卡爾曼濾波器就會(huì)丟失自適應(yīng)功能。在EKF的基礎(chǔ)上，強(qiáng)跟蹤濾波(STF)理論就被建立起來(lái)用以診斷過(guò)程系統(tǒng)中的錯(cuò)誤，并且獲得了廣泛的應(yīng)用，通過(guò)計(jì)算衰減系數(shù)它可以自動(dòng)調(diào)節(jié)預(yù)測(cè)誤差協(xié)方差，就獲得了所謂的強(qiáng)跟蹤功能，隨后，STF用來(lái)讓SCKF具有強(qiáng)跟蹤能力。但是仍然有一個(gè)問(wèn)題，就是在估計(jì)衰減系數(shù)的時(shí)候，量測(cè)方程的雅可比矩陣需要計(jì)算出來(lái)。這很復(fù)雜，很容易導(dǎo)致計(jì)算問(wèn)題。在未知量測(cè)噪聲方差的情況下，變分貝葉斯(VB)方法在線性系統(tǒng)中可以估計(jì)未知量測(cè)噪聲方差。但是，VB方法在非線性系統(tǒng)中的應(yīng)用還是很少的。

發(fā)明內(nèi)容
為了應(yīng)對(duì)上面提到的未知量測(cè)噪聲方差的情況，在本發(fā)明中，將變分貝葉斯(VB)方法應(yīng)用到容積強(qiáng)跟蹤信息濾波器(CSTIF)中，提出了一種新的非線性濾波器，即變分貝葉斯自適應(yīng)容積強(qiáng)跟蹤信息濾波器(VB-ACSTIF)。這種非線性濾波器不僅具有強(qiáng)跟蹤能力，還能估計(jì)量測(cè)噪聲的未知方差。本發(fā)明是CSTIF改進(jìn)形式，包括計(jì)算和更新VB方法中的參
數(shù)；設(shè)置VB方法中的循環(huán)控制變量r的初值為零，并給出迭代次數(shù)W2的值；使用VB方法估計(jì)量測(cè)噪聲的未知方差(下標(biāo)I表示時(shí)間，上標(biāo)w指VB方法中…在當(dāng)前值迭代后產(chǎn)
生的結(jié)果)；令未知的量測(cè)噪聲方差
權(quán)利要求
1.一種基于變分貝葉斯容積強(qiáng)跟蹤信息濾波的目標(biāo)跟蹤方法，其特征在于該方法包括以下步驟: 步驟1.計(jì)算和更新VB方法中的參數(shù)值； 步驟2.設(shè)置VB方法中的循環(huán)控制變量《的初值為零，給出迭代次數(shù)M2的值； 步驟3.使用VB方法估計(jì)量測(cè)噪聲的未知方差1匸其中-表示時(shí)間，._.指VB方法中 在當(dāng)前值迭代后產(chǎn)生的結(jié)果； 步驟4.判斷^值是否為O，如果…值為O，則令未知的量測(cè)噪聲方差&等于1:,否則跳到步驟7 ； 步驟5.計(jì)算一步預(yù)測(cè)目標(biāo)狀態(tài)〗； 步驟6.迭代計(jì) 算偽觀測(cè)矩陣、新息矩陣，信息矩陣及信息狀態(tài)向量;,y ； 步驟7.計(jì)算VB方法中第m+1次迭代后目標(biāo)狀態(tài)最優(yōu)線性估計(jì)；.和尸表示誤差協(xié)方差； 步驟8.判斷《是否小于#2，如果I小于的，則計(jì)算VB方法的參數(shù)席^，令_自加I，并且跳到步驟3，否則步驟9； 步驟9.計(jì)算最終目標(biāo)狀態(tài)的最優(yōu)線性估計(jì)及其誤差協(xié)方差P_。
全文摘要
本發(fā)明涉及一種基于變分貝葉斯容積強(qiáng)跟蹤信息濾波的目標(biāo)跟蹤方法。本發(fā)明包括計(jì)算和更新VB方法中的參數(shù)；設(shè)置VB方法中的循環(huán)控制變量的初值為零，并給出迭代次數(shù)的值；使用VB方法估計(jì)量測(cè)噪聲的未知方差；估計(jì)一步預(yù)測(cè)目標(biāo)狀態(tài)；迭代計(jì)算偽觀測(cè)矩陣、新息矩陣、信息矩陣及信息狀態(tài)向量。本發(fā)明使用變分貝葉斯方法的自適應(yīng)強(qiáng)跟蹤信息濾波方法不僅具有強(qiáng)跟蹤能力，還能估計(jì)量測(cè)噪聲的未知方差，實(shí)現(xiàn)了自適應(yīng)功能。同時(shí)，衰減系數(shù)可以通過(guò)迭代的方法估計(jì)出來(lái)，而無(wú)需計(jì)算雅可比矩陣。
文檔編號(hào)G06F19/00GK103235886SQ20131014918
公開(kāi)日2013年8月7日 申請(qǐng)日期2013年4月25日 優(yōu)先權(quán)日2013年4月25日
發(fā)明者葛泉波, 姚樹(shù)鶴, 文成林, 管冰蕾 申請(qǐng)人:杭州電子科技大學(xué)