[发明专利]一种基于随机集理论的多目标跟踪方法

说明书

为了在有限资源限制条件下，实现复杂场景下多目标状态的有效跟踪，本发明提供了一种基于随机集理论的多目标跟踪方法。该方法在航迹预测阶段首先依据贝叶斯准则对每一个继续存活航迹进行一步预测，然后根据目标先验信息自适应出生目标航迹；在航迹跟新阶段，首先在各假设下计算相应存在权重概率以及联合多目标概率密度函数，然后计算各目标标号的后验概率参数，包括存在概率以及对应的概率密度函数。该方法具近似代价小、在有限资源下性能优异、适用任意量测模型的鲁棒性等优点。另外，由于本发明的算法所占用系统计算资源少,具备良好工程应用前景。

技术领域

本发明属于多目标跟踪领域，它特别涉及了随机集理论下多目标跟踪技术领域。

背景技术

近年来，基于随机集统计理论的多目标检测跟踪技术得到了广泛的关注，这类方法避免传统多目标跟踪的数据关联，并且能够处理目标个数未知且时变的情况。目前，大多数的随机集跟踪算法，如概率假设密度滤波器，基数化的概率假设密度滤波器、标号多目标伯努利滤波器等都是针对标准的量测模型(参见文献R.Mahler,StatisticalMultisource-Multitarget Information Fusion,Norwood,MA:Artech House,2007.)而设计的。然而，在实际多目标跟踪场景中，标准的量测模型有很多的局限性，许多传感器模型不能用标准量测模型描述，例如雷达检测前跟踪模型、无线传感器网络中的多用户定位、多输入多输出雷达中的多目标定位，声纳幅度传感器、射频层析成像跟踪系统、视频跟踪系统等。

针对广义的量测模型(尤其是高度非线性的非标准量测模型)下的多目标跟踪问题，文献(F.Papi,B.N.Vo,B.T.Vo,C.Fantacci and M.Beard,“Generalized labeledmulti-Bernoulli Approximation of multi-object densities,”IEEE Trans.on SignalProcess.Vol.63,No.20,pp.5487-5497,2015.)提出了一种广义标号多目标伯努利滤波器，该滤波器在非标准的量测模型下，实现了多目标的有效跟踪,并能够有效识别目标身份，形成目标航迹。但是，该滤波器的多目标后验分量个数随目标个数的增长呈现超指数增长，使其所需的计算资源极大，实时性差，在实际应用中受到了很大的限制。

发明内容

本发明所要解决的技术问题是，现有针对非标准量测模型的随机集多目标跟踪方法占用的系统计算资源随目标个数呈超指数增加，从而不利于其实际工程应用。

本发明解决上述技术问题所采用的技术方案是，一种基于随机集理论的多目标跟踪方法，它包括以下步骤：

步骤1、初始化系统参数

初始化系统参数包括：雷达监视范围：即数据平面，雷达距离分辨率△r，雷达扫描周期T，观测总帧数K；目标存活概率单目标转移概率密度函数f^k|k-1(x^k|x^k-1)；出生目标模型为多目标伯努利分布其中表示第个出生目标航迹的存在概率，表示第个出生目标航迹对应的分布概率密度函数，表示出生目标标号集合空间；多目标似然函数g(Z|X)，其中Z表示量测集合，X表示多目标状态集合；

步骤2：初始化标号多目标-伯努利参数并令其中表示当前帧的目标标号集合空间；初始化迭代时间k＝1，表示第个继续存活目标航迹的存在概率，表示第个继续存活目标的概率密度函数；

步骤3、计算第k帧的预测航迹：

3.1、根据目标出生位置的先验信息，并基于目标出生模型出生新目标航迹，出生目标模型为多目标伯努利分布

3.2继续存活航迹的预测，根据贝叶斯预测方程，第条继续存活航迹预测的存在概率与对应概率密度函数分别如下，