[发明专利]一种具有最优运动模式切换参数的交互式多模型目标跟踪方法

说明书

技术领域

本发明属于机动目标跟踪的技术领域，具体涉及一种具有最优运动模式切换参数的交互式多模型目标跟踪方法。

背景技术

机动目标跟踪以其在军事和民用领域广泛的应用前景受到了专家学者们的关注，近几十年来，取得了丰硕的研究成果。机动目标跟踪的一个重大难题是使用单一、固定的运动模式很难描述目标运动的整个过程。为此出现了多模型切换方法，多模型切换方法是将目标可能的运动模式映射为模型函数集，集合中的不同模型描述目标的不同运动模式，每一个模型对应一个滤波器，对每一个运动模式下跟踪参数进行估计，目标运动模式的改变通过一个离散切换变量(该变量以矩阵形式存在)描述，即为模型传递矩阵，目标的连续状态参数和切换变量的估计则是通过各种多模型估计方法获得。而众多多模型估计方法中，交互式多模型(IMM，interacting multiple model)算法以其在复杂性和估计精度方面良好的折中，被广泛应用到机动目标跟踪领域。为了进一步提高该算法的目标跟踪能力，出现了许多改进的交互式多模型算法，如交互式多贝叶斯模型算法(IMBM，Interacting Multiple Bias Model)、变结构交互式多模型算法(VSIMM，Variable Structure Interacting Multiple Model)等。

然而，上述各种交互式多模型算法在目标跟踪领域的实际应用中普遍存在两个问题：

(1)在目标跟踪领域中，由于目标是被动跟踪，因此每一个运动模式在整个目标跟踪过程中所逗留的时间是无法事先确定的。而描述多个运动模式切换过程的切换变量(模型传递矩阵)是由每个运动模式的逗留时间决定的，并非由目标的运动模式所决定，这会涉及到运动模式的数量大于2时切换变量不唯一和如何事先确定逗留时间的难题。

(2)多个运动模式间的相关性信息被遗漏。由于每一个运动模式的初值是由所有运动模式的估计值融合得到的，因此每一个运动模式的状态估计值即取决于自身，又取决于其他运动模式，那么多个运动模式之间是存在相关性的。特别是对于复杂环境下的目标跟踪问题，相关性信息更加不可忽略。而相关性信息由协方差来体现，因此交互式多模型目标跟踪方法的协方差信息不可遗漏。

发明内容

本发明的目的是为了克服现有方法的缺陷，避免机动目标运动模式切换参数不唯一和逗留时间难以确定的问题，并充分利用了多个运动模式间的相关性信息，给出了一种具有最优运动模式切换参数的交互式多模型目标跟踪方法。

本发明的目的是这样实现的：

(1)利用上一时刻每一个目标运动模式概率和目标位置、速度跟踪误差协方差信息，计算最优的运动模式切换参数；

(2)利用步骤(1)中的运动模式切换参数计算各个运动模式的最优交互概率；利用最优交互概率计算得到每一个运动模式所对应滤波器的初始化信息；

(3)将传感器获得机动目标的速度、位置的测量信息和步骤(2)中的初始化信息输入到滤波器中进行信息处理，得到各个运动模式下的目标位置、速度和跟踪误差协方差，并求取各个运动模式的似然函数；

(4)利用步骤(3)中求取的运动模式似然函数进行运动模式概率更新；

(5)将步骤(3)中得到的各个运动模式下的目标位置、速度信息和跟踪误差协方差与步骤(4)中的运动模式概率进行加权求和，得到最终的目标位置、速度信息和跟踪误差协方差。

步骤(1)为：

令运动模式切换参数为π，元素π_ij(k-1)为运动模式传递概率，交互概率为μ_i|j(k-1)，运动模式概率为μ_j(k-1)；为第j个运动模式的状态x_j(k-1)的估计值，为第j个运动模式滤波器的交互初值x_0j(k-1)的估计值，x_0j(k-1)即为运动状态的真实值x(k-1)；第j个运动模式滤波器的交互初值误差和跟踪误差分别定义为：

第j个运动模式滤波器的最优交互初值为：

交互概率为：

μ_1|j(k-1)+μ_2|j(k-1)+...+μ_n|j(k-1)＝1，

其中，

其中e＝[1 1 ...1]^T；的协方差为：