一種輔助截?cái)嗔Ｗ訛V波方法、裝置及目標(biāo)跟蹤方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及非線(xiàn)性濾波領(lǐng)域，特別是設(shè)及一種輔助截?cái)嗔Ｗ訛V波方法、裝置及目 標(biāo)跟蹤方法及裝置。
【背景技術(shù)】
[0002] 粒子濾波作為一種最優(yōu)處理非線(xiàn)性非高斯問(wèn)題的有效方法，目前已被廣泛應(yīng)用于 各類(lèi)非線(xiàn)性濾波領(lǐng)域，如圖像監(jiān)控、目標(biāo)定位與跟蹤、環(huán)境監(jiān)測(cè)等領(lǐng)域。在估計(jì)性能上，粒子 濾波優(yōu)于現(xiàn)在應(yīng)用最廣泛的擴(kuò)展卡爾曼濾波巧KF)和無(wú)跡卡爾曼濾波(UKF)，W及由它們衍 生出來(lái)的很多不同濾波方法，如迭代擴(kuò)展卡爾曼濾波（IEKF)、高斯厄米特濾波(GHF)、積分 卡爾曼濾波(QKF)。在對(duì)非線(xiàn)性問(wèn)題的處理能力上，粒子濾波適用于任何能用狀態(tài)空間模型 表示的非線(xiàn)性非高斯系統(tǒng)，W及傳統(tǒng)卡爾曼濾波無(wú)法表示的非線(xiàn)性非高斯系統(tǒng)，而且對(duì)系 統(tǒng)狀態(tài)維數(shù)不敏感，因此它在復(fù)雜的實(shí)際系統(tǒng)中具有更廣闊的應(yīng)用前景。但是，粒子濾波也 存在著自身的一些缺陷，比如粒子的退化、計(jì)算量巨大、實(shí)時(shí)性差等，影響和制約了它的發(fā) 展。
[0003] 為了避免粒子退化，粒子濾波都需要對(duì)粒子進(jìn)行重采樣，然而運(yùn)樣會(huì)影響算法的 并行功能。由此，為了提高執(zhí)行效率，一類(lèi)免重采樣的粒子濾波方法開(kāi)始逐漸發(fā)展起來(lái)，如 高斯粒子濾波(GPF)，擬蒙特卡羅-高斯粒子濾波(QMC-GPF)等。但是，在目標(biāo)運(yùn)動(dòng)模型和觀 測(cè)模型不確定時(shí)，該類(lèi)粒子濾波的濾波性能就變差，且在目標(biāo)機(jī)動(dòng)時(shí)，預(yù)測(cè)誤差增大更加明 顯，從而導(dǎo)致目標(biāo)狀態(tài)先驗(yàn)分布的方差增大，降低目標(biāo)跟蹤性能。另一類(lèi)粒子濾波方法，如 截?cái)酂o(wú)跡卡爾曼濾波(TUKF)，采樣一種修正的先驗(yàn)概率密度函數(shù)對(duì)目標(biāo)狀態(tài)進(jìn)行更新，當(dāng) 觀測(cè)信息比較精確時(shí)，具有很好的跟蹤性能。不足之處在于當(dāng)觀測(cè)信息不精確或非線(xiàn)性較 強(qiáng)時(shí)，跟蹤性能下降，而且該種濾波方法要求觀測(cè)函數(shù)具有唯一的反函數(shù)，使得該種濾波方 法不能應(yīng)用于被動(dòng)目標(biāo)跟蹤。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明主要解決的技術(shù)問(wèn)題是提供一種輔助截?cái)嗔Ｗ訛V波方法、裝置及目標(biāo)跟蹤 方法及裝置，能夠提高粒子濾波的準(zhǔn)確性和實(shí)時(shí)性，從而解決非線(xiàn)性非高斯環(huán)境下目標(biāo)機(jī) 動(dòng)帶來(lái)目標(biāo)模型不確定情況下的快速目標(biāo)跟蹤問(wèn)題。
[000引為解決上述技術(shù)問(wèn)題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種輔助截?cái)嗔Ｗ訛V 波方法，該方法包括:利用原始先驗(yàn)概率密度函數(shù)作為第一重要性密度函數(shù)進(jìn)行粒子濾波 W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第一均值和第一協(xié)方差值;在原始先驗(yàn)概率密度函數(shù)中，利用截 斷理論引入當(dāng)前觀測(cè)信息和目標(biāo)特性信息W構(gòu)建修正先驗(yàn)概率密度函數(shù);利用修正先驗(yàn)概 率密度函數(shù)作為第二重要性密度函數(shù)進(jìn)行粒子濾波W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第二均值和 第二協(xié)方差值;根據(jù)目標(biāo)狀態(tài)估計(jì)權(quán)值分別對(duì)第一均值和第二均值、第一協(xié)方差值和第二 協(xié)方差值進(jìn)行加權(quán)處理W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的后驗(yàn)概率密度函數(shù)，完成粒子濾波過(guò)程。
[0006]其中，利用原始先驗(yàn)概率密度函數(shù)作為第一重要性密度函數(shù)進(jìn)行粒子濾波W獲取 與目標(biāo)狀態(tài)對(duì)應(yīng)的第一均值和第一協(xié)方差值的步驟包括:從第一重要性密度函數(shù)中提取第 一粒子集;獲取第一粒子集中每個(gè)粒子對(duì)應(yīng)的第一權(quán)值;對(duì)每個(gè)第一權(quán)值進(jìn)行標(biāo)準(zhǔn)化處理； 根據(jù)標(biāo)準(zhǔn)化處理后的第一權(quán)值W及與第一權(quán)值對(duì)應(yīng)的粒子獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第一均 值和第一協(xié)方差值。
[0007] 其中，在原始先驗(yàn)概率密度函數(shù)中，利用截?cái)嗬碚撘氘?dāng)前觀測(cè)信息和目標(biāo)特性 信息W構(gòu)建修正先驗(yàn)概率密度函數(shù)的步驟包括:根據(jù)當(dāng)前觀測(cè)信息利用最小二乘定位方法 獲取目標(biāo)的定位位置和定位方差;根據(jù)原始先驗(yàn)概率密度函數(shù)、定位位置W及目標(biāo)特性信 息獲取目標(biāo)的位置分量對(duì)應(yīng)的最大似然估計(jì)值;根據(jù)最大似然估計(jì)值、定位方差獲取修正 先驗(yàn)概率密度函數(shù);其中，原始先驗(yàn)概率密度函數(shù)、修正先驗(yàn)概率密度函數(shù)近似為高斯概率 密度函數(shù)。
[0008] 其中，最大似然估計(jì)值根據(jù)由如下公式獲取得到：
[00川其中，參向）表示最大似然估計(jì)值，佑。0表示先驗(yàn)概率密度函數(shù)中目標(biāo)的位置分量 ak對(duì)應(yīng)的均值，Wz-,,)為目標(biāo)的定位位置，λ為一常數(shù)，T為目標(biāo)觀測(cè)時(shí)間間隔，V為目標(biāo)速度， 4尚表示觀測(cè)噪聲方差，種腳表示新息協(xié)方差。
[0012] 其中，利用修正先驗(yàn)概率密度函數(shù)作為第二重要性密度函數(shù)進(jìn)行粒子濾波W獲取 與目標(biāo)狀態(tài)對(duì)應(yīng)的第二均值和第二協(xié)方差值的步驟包括:從第二重要性密度函數(shù)中提取第 二粒子集;獲取第二粒子集中每個(gè)粒子對(duì)應(yīng)的第二權(quán)值;對(duì)每個(gè)第二權(quán)值進(jìn)行標(biāo)準(zhǔn)化處理； 根據(jù)標(biāo)準(zhǔn)化處理后的第二權(quán)值W及與第二權(quán)值對(duì)應(yīng)的粒子獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第二均 值和第二協(xié)方差值。
[0013] 其中，獲取第二粒子集中每個(gè)粒子對(duì)應(yīng)的第二權(quán)值的步驟包括：
[0014] 利用修正先驗(yàn)概率密度函數(shù)構(gòu)建第二重要性密度函數(shù)：
[001 引 qne^Hil X0:k-l,Zl:k,ri:k) =Pne^a<| Zk,Xk-l,ri:k);
[0016]其中，Pnew(Xk I Zk，Xk-l，ri:k)表示修正先驗(yàn)概率密度函數(shù)，qnew(Xk| X0:k-l，Zl:k，：ri:k)表 示第二重要性密度函數(shù)；
[0017]第二權(quán)值根據(jù)如下公式獲取得到：
[001 引
[0019] 其中，佑^表示k時(shí)刻的第二權(quán)值，表示k-1時(shí)刻的第二權(quán)值，I.τ?，;-,:;.)表示 觀測(cè)似然函數(shù)，/?(>4|扣，也）表示k時(shí)刻的后驗(yàn)概率密度函數(shù)，_1 I如_1，心1)表示k-1 時(shí)刻的后驗(yàn)概率密度函數(shù)，而0,(.成-I )表示k時(shí)刻的第Ξ重要性密度函數(shù)， g,mi,(.r〇:i_l I句:&_1.，)表不k-1時(shí)刻的束二重要性醬度函數(shù)，Pnew(Xk I Zk , Xk-l, ri :k)表不修正先 驗(yàn)概率醬度函數(shù),qnew(Xk I M:k-1, Zl:k , ri:k)表不束一重要性醬度函數(shù)。
[0020]其中，目標(biāo)狀態(tài)估計(jì)權(quán)值根據(jù)如下公式獲取得到：
[0024] 其中，ak表示目標(biāo)狀態(tài)估計(jì)權(quán)值，Zk表示當(dāng)前觀測(cè)值;hk( ·)表示已知的非線(xiàn)性觀 巧幅數(shù)；私。。,*與分別表示利用先驗(yàn)概率密度函數(shù)作為第一重要性密度函數(shù)進(jìn)行粒子 濾波得到的第一均值和第一協(xié)方差；與巧分別表示利用修正先驗(yàn)概率密度函數(shù)作 為第二重要性密度函數(shù)進(jìn)行粒子濾波得到的第二均值和第二協(xié)方差值。
[0025] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用的另一個(gè)技術(shù)方案是:提供一種輔助截?cái)嗔Ｗ?濾波裝置，包括:第一獲取模塊，用于利用原始先驗(yàn)概率密度函數(shù)作為第一重要性密度函數(shù) 進(jìn)行粒子濾波W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第一均值和第一協(xié)方差值;修正先驗(yàn)概率密度函數(shù) 構(gòu)建模塊，用于在原始先驗(yàn)概率密度函數(shù)中，利用截?cái)嗬碚撘氘?dāng)前觀測(cè)信息和目標(biāo)特性 信息W構(gòu)建修正先驗(yàn)概率密度函數(shù);第二獲取模塊，用于利用修正先驗(yàn)概率密度函數(shù)作為 第二重要性密度函數(shù)進(jìn)行粒子濾波W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第二均值和第二協(xié)方差值;后 驗(yàn)概率密度函數(shù)獲取模塊，用于根據(jù)目標(biāo)狀態(tài)估計(jì)權(quán)值分別對(duì)第一均值和第二均值、第一 協(xié)方差值和第二協(xié)方差值進(jìn)行加權(quán)處理W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的后驗(yàn)概率密度函數(shù)，完成 粒子濾波過(guò)程。
[0026] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用的又一個(gè)技術(shù)方案是:提供一種目標(biāo)跟蹤方法， 包括:接收觀測(cè)數(shù)據(jù)集合;根據(jù)觀測(cè)數(shù)據(jù)集合構(gòu)建原始先驗(yàn)概率密度函數(shù);利用原始先驗(yàn)概 率密度函數(shù)作為第一重要性密度函數(shù)進(jìn)行粒子濾波W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第一均值和 第一協(xié)方差值;在原始先驗(yàn)概率密度函數(shù)中，利用截?cái)嗬碚撘氘?dāng)前觀測(cè)信息和目標(biāo)特性 信息W構(gòu)建修正先驗(yàn)概率密度函數(shù);利用修正先驗(yàn)概率密度函數(shù)作為第二重要性密度函數(shù) 進(jìn)行粒子濾波W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第二均值和第二協(xié)方差值;根據(jù)目標(biāo)狀態(tài)估計(jì)權(quán)值 分別對(duì)第一均值和第二均值、第一協(xié)方差值和第二協(xié)方差值進(jìn)行加權(quán)處理W獲取與目標(biāo)狀 態(tài)對(duì)應(yīng)的后驗(yàn)概率密度函數(shù);利用后驗(yàn)概率密度函數(shù)對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)，W獲取目標(biāo)狀 態(tài)估計(jì)值;輸出目標(biāo)估計(jì)值，W實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。
[0027] 為解決上述技術(shù)問(wèn)題，本發(fā)明采用的再一個(gè)技術(shù)方案是:提供一種目標(biāo)跟蹤裝置， 包括:觀測(cè)數(shù)據(jù)接收模塊，用于接收觀測(cè)數(shù)據(jù)集合;原始先驗(yàn)概率密度函數(shù)構(gòu)建模塊，用于 根據(jù)觀測(cè)數(shù)據(jù)集合構(gòu)建原始先驗(yàn)概率密度函數(shù);第一獲取模塊，用于利用原始先驗(yàn)概率密 度函數(shù)作為第一重要性密度函數(shù)進(jìn)行粒子濾波w獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第一均值和第一 協(xié)方差值;修正先驗(yàn)概率密度函數(shù)構(gòu)建模塊，用于在原始先驗(yàn)概率密度函數(shù)中，利用截?cái)嗬?論引入當(dāng)前觀測(cè)信息和目標(biāo)特性信息W構(gòu)建修正先驗(yàn)概率密度函數(shù);第二獲取模塊，用于 利用修正先驗(yàn)概率密度函數(shù)作為第二重要性密度函數(shù)進(jìn)行粒子濾波W獲取與目標(biāo)狀態(tài)對(duì) 應(yīng)的第二均值和第二協(xié)方差值;后驗(yàn)概率密度函數(shù)獲取模塊，用于根據(jù)目標(biāo)狀態(tài)估計(jì)權(quán)值 分別對(duì)第一均值和第二均值、第一協(xié)方差值和第二協(xié)方差值進(jìn)行加權(quán)處理W獲取與目標(biāo)狀 態(tài)對(duì)應(yīng)的后驗(yàn)概率密度函數(shù)，完成粒子濾波過(guò)程;狀態(tài)估計(jì)模塊，用于利用后驗(yàn)概率密度函 數(shù)對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)，W獲取目標(biāo)狀態(tài)估計(jì)值;輸出模塊，用于輸出目標(biāo)估計(jì)值，W實(shí)現(xiàn) 對(duì)目柄;的跟蹤。
[0028] 本發(fā)明的有益效果是:本發(fā)明的粒子濾波方法、裝置及目標(biāo)跟蹤方法及裝置利用 原始先驗(yàn)概率密度函數(shù)作為第一重要性密度函數(shù)和修正先驗(yàn)概率密度函數(shù)作為第二重要 性密度函數(shù)分別獲取目標(biāo)狀態(tài)對(duì)應(yīng)的均值和協(xié)方差，接著根據(jù)目標(biāo)狀態(tài)估計(jì)權(quán)值分別對(duì)兩 個(gè)均值和協(xié)方差進(jìn)行加權(quán)W獲取與所述目標(biāo)狀態(tài)對(duì)應(yīng)的后驗(yàn)概率密度函數(shù)，從而完成粒子 濾波過(guò)程。通過(guò)上述方式，本發(fā)明能夠提高粒子濾波的準(zhǔn)確性和實(shí)時(shí)性，從而解決非線(xiàn)性非 高斯環(huán)境下目標(biāo)機(jī)動(dòng)帶來(lái)目標(biāo)模型不確定情況下的快速目標(biāo)跟蹤問(wèn)題。
【附圖說(shuō)明】
[0029] 圖1是本發(fā)明實(shí)施例的輔助截?cái)嗔Ｗ訛V波方法的流程圖；
[0030] 圖2是圖1中利用原始先驗(yàn)概率密度函數(shù)作為第一重要性密度函數(shù)進(jìn)行粒子濾波 W獲取與目標(biāo)狀態(tài)對(duì)應(yīng)的第一均值和第一協(xié)方差值的流程圖；
[0031] 圖3是圖1中在原始先驗(yàn)概率密度函數(shù)中，利用截?cái)嗬碚撘氘?dāng)前