[发明专利]一种自由运动移动多传感器配置及多目标跟踪算法

说明书

技术领域

本发明属于多传感器选择控制与多目标跟踪领域，特别涉及一种基于多自由运动传感器平台选择与控制的多目标跟踪方法。

背景技术

在实际应用中，多飞行传感器平台在对多目标进行跟踪时，为了得到目标状态更精确的估计，使移动传感器需要频繁的改变位置和速度(状态)，从而使在对目标进行跟踪时的传感器处于最佳位置和状态。这是本发明研究的现实依据。当传感器能够自由运动时，传感器往往会有多种工作模式，在多目标跟踪中为了更有效的获得整体最优的跟踪性能，必须同时实现传感器选择与跟踪过程的耦合及传感器模式的选择与跟踪过程的耦合。因此，本发明重点是多自由运动传感器的选择配置选择问题。

发明内容

本发明针对现有技术的不足，提供了一种多自由运动传感器平台选择与控制的多目标跟踪方法。其具体内容如下：

步骤1.建立系统模型；

步骤1.1 建立目标动态模型

考虑二维平面内N个移动传感器跟踪M个目标的情形，目标具有如下动态：

这里，是目标i的状态向量，和分别表示k时刻目标i在x轴和y轴方向上的坐标，和表示对应坐标轴上的速度。A_i是目标i的状态转移矩阵，B_i是噪声矩阵，是服从标准高斯分布的过程噪声，其协方差为

步骤1.2 建立传感器模型

假定在每一时刻各个传感器的状态都是可观测的，传感器的感知半径足够大，且运动很容易被改变。传感器j的动态模型如下：

这里，j＝1,2,···,N，N为正整数表示第N个移动传感器。表示传感器j的位置状态向量，和分别表示k时刻传感器j在x轴和y轴方向上的坐标。F_k表示k时刻传感器的状态转移矩阵。H_k+1表示k+1时刻传感器的观测矩阵。是k+1时刻对传感器j的量测，和均是零均值高斯白噪声。

这里，V_j是速度强度输入，是一个正值常数。τ_k,x,τ_k,y分别表示传感器在x轴和y轴方向上的速度的方向输入，并且需要满足方向输入的值只能在中选取，其中-1和1分别代表着x轴和y轴的负方向和正方向。将传感器瞬时方向输入归类为九个方向即为传感器输入的九个模态，例如，表示传感器向向右上方移动即输入第三模态，(τ_k,x,τ_k,y)＝(0,-1)表示传感器垂直向下移动即第八模态。

步骤1.3 建立量测模型

表示k时刻用传感器j在输入模态为ρ的情况下对目标i的量测

其中，是第j个传感器的观测矩阵，是零均值、受目标i与传感器j之间距离影响的量测噪声。

步骤1.4 建立量测不确定性模型

第j个传感器在输入模态为ρ的状态下对目标i量测的不确定性用协方差阵表示。通常，传感器在测量目标时，往往会受到外界干扰的影响，随着传感器与目标距离的增加，受到的干扰程度就会加重，由此得到的量测噪声协方差就会增大。因此，假定量测噪声协方差为传感器j与目标i之间距离的函数：

D_k(i,j)＝diag([D_k,x(i,j),D_k,y(i,j)])(8)

L＝diag([L_x,L_y])

这里，I_k是一个单位矩阵，L是常数矩阵，D_k,·(i,j)表示传感器j和目标i的状态差矩阵，是第j个传感器的常协方差阵，||·||₂表示2-范数。该公式表明量测噪声协方差是距离的线性函数。

步骤2 标准的制定

步骤2.1 目标失检率的表示

传感器观测目标的能力很大程度取决于目标与传感器相对状态的变换。用检测概率来表示传感器观测的能力，并且被看作一个领域。这说明目标被观测到的概率不是统一的。为了表示这个领域，我们用钟状函数表示：

其中，d_k(i,j)是在k时刻目标i和传感器j的加权马氏距离。P_D取[0,1]之间的任一常数。a，b，c都为常数。S_k为在k时刻与目标有关的常数矩阵。目标的失检率可以表示为