[发明专利]一种序贯处理测量数据的目标跟踪方法与目标跟踪系统

权利要求书

1.一种序贯处理测量数据的目标跟踪方法，其特征在于，包括以下步骤：

步骤1：当接收新测量数据后，计算出新测量数据与前一个已被处理的测量数据之间的时间差，根据所述时间差以及前一个测量数据处理后得到的后验矩和高斯项预测收到新测量数据时刻的后验矩和高斯项；

步骤2：根据预测的后验矩、预测的高斯项以及接收到的新测量数据求取更新的高斯项；

步骤3：对所述更新的高斯项进行裁减与合并，裁减与合并后的高斯项作为新测量数据被处理后的高斯项，裁减与合并后的高斯项加权和构成新测量数据被处理后的后验矩，新测量数据被处理后的高斯项和后验矩作为下一次滤波器递推的输入；

步骤4：根据新测量数据被处理后的高斯项，提取权重的高斯项作为滤波器的输出，相应高斯项中的均值和方差分别为存活目标的状态估计和误差估计。

2.根据权利要求1所述的目标跟踪方法，其特征在于，所述步骤1中，用t_k-1表示接收到前一个测量数据的时刻，t_k表示收到新测量数据的时刻；前一个测量数据被处理后的高斯项集合表示为i=1,2,...,J_k-1，其中，k-1表示前一个测量数据的索引号，k表示新测量数据的索引号，w、m和P分别表示高斯项的权重、均值和方差，J_k-1为t_k-1时刻高斯项的数目，i为索引号，取值从1至J_k-1；

t_k-1时刻的后验矩为t_k-1时刻各高斯项的加权和，表示为则t_k时刻预测的后验矩表示为其中，x表示目标状态，Z^(k-1)={z₁,z₂,...,z_k-1}表示测量数据z₁至z_k-1构成的集合，v_S,k|k-1(x|Z^(k-1))为幸存目标的预测矩，γ_k(x)为新生目标矩；幸存目标的预测矩vS,k|k-1(x|Z(k-1))=Σi=1Jk-1wS,k|k-1iN(x;mS,k|k-1i,PS,k|k-1i),]]>其中，为第i个幸存高斯项的权重，为第i个幸存高斯项状态均值，PS,k|k-1i=Qk-1+Fk-1Pk-1iFk-1T]]>为第i个高斯项的方差，pS,k=exp(-Δtkδ·T)]]>为目标幸存概率，Δt_k=t_k-t_k-1为新测量数据与前一个已处理测量数据之间的时间差，δ为已知的常数，T为采样周期，Fk-1=1Δtk000100001Δtk0001]]>为状态转移矩阵，Q_k-1为过程噪声方差矩阵，N表示高斯分布，x表示目标的状态，上标T表示转置，表示第i个预测高斯项的方差，表示第i个预测高斯项的状态均值；新生目标矩γ_k(x)利用收到的前一个测量数据z_k-1=[x_k-1,y_k-1]^T产生，并且γ_k(x)=w_γ,kN(x;m_γ,k,P_γ,k)，其中，w_γ,k、P_γ,k均为已知的模型参数，分别表示为新生高斯项的权重和方差，m_γ,k为状态的均值，并且m_γ,k=[x_k-1,0,y_k-1,0]^T，其中，N表示高斯分布，x表示目标的状态，上标T表示转置，x_k-1表示前一个测量数据的x方向分量，y_k-1表示前一个测量数据的y方向分量；

预测的高斯项由i=1,2,...,J_k-1和(w_γ,k,m_γ,k,P_γ,k)组成，表示为i=1,2,...,J_k|k-1，其中J_k|k-1=J_k-1+1为预测高斯项的个数，和分别表示第i个预测高斯项的权重、均值和方差，并且当i≤J_k-1时，wk|k-1i=wS,k|k-1i,]]>mk|k-1i=mS,k|k-1i,]]>Pk|k-1i=PS,k|k-1i,]]>当i=J_k-1+1时，wk|k-1i=wγ,k,]]>mk|k-1i=mγ,k,]]>Pk|k-1i=Pγ,k;]]>预测的后验矩表示为vk|k-1(x|Z(k-1))=Σi=1Jk|k-1wk|k-1iN(x;mk|k-1i,Pk|k-1i).]]>