[发明专利]一种基于多传感器数据融合的多目标跟踪方法

权利要求书

1.一种基于多传感器数据融合的多目标跟踪方法，其特征在于，该方法包括以下步骤：

步骤1、多个传感器分别采集各个目标的位置信息，得到每个传感器对各个目标的观测数据；

步骤2、对各个目标的观测数据进行航迹关联，将各个观测数据进行分类，得到各个传感器对各个目标的航迹关联数据；

步骤3、对目标的航迹关联数据进行滤波处理，得到每个传感器对各个目标的滤波轨迹，完成对目标的位置估计，并获取各个目标的位置估计数据；

步骤3.1：已知目标的状态量X，其均值方差P；分别利用公式(2)计算2n+1个sigma点集；

式(2)中，n表示状态量的维度，λ表示缩放比，i表示任意一个sigma点；

将k时刻的sigma点集的状态量X⁽ⁱ⁾(k|k)代入系统状态方程f中，得到sigma点集在k+1时刻的一步预测X⁽ⁱ⁾(k+1|k)，如公式(3)和(4)；利用公式(5)求系统状态量的一步预测它由sigma点集的预测值加权求和得到；利用公式(6)计算系统的协方差阵P(k+1|k)；

X⁽ⁱ⁾(k+1|k)＝f[k,X⁽ⁱ⁾(k|k)] (3)

式(3)-(6)中，表示k时刻系统的所有状态量均值；P(k|k)表示k时刻系统的状态量方差；X⁽ⁱ⁾(k+1|k)表示k+1时刻系统的第i个状态量；表示k+1时刻系统的所有状态量均值；T表示矩阵的转置；Q表示系统噪声方差；

步骤3.2：重复步骤3.1产生新的2n+1个sigma点集，并将这些sigma点的状态量分别代入系统观测方程中，得到如公式(7)的各个sigma点的观测预测值；

Z⁽ⁱ⁾(k+1|k)＝h[X⁽ⁱ⁾(k+1|k)] (7)

式中，Z⁽ⁱ⁾(k+1|k)表示第i个sigma点的观测预测值；h表示系统观测方程；

步骤3.3：将步骤3.2得到的sigma点集的观测预测值，通过加权求和得到系统观测预测均值系统输出的方差阵以及协方差阵如公式(8)-(9)；

式中，R表示观测噪声方差；ω⁽ⁱ⁾表示第i个sigma点的权值；

利用公式(11)计算Kalman增益矩阵K(k+1)：

步骤3.4：计算系统的状态更新和协方差更新，得到如公式(12)的系统更新后的滤波值和如公式(13)的求解状态后验方差阵；

步骤4、通过公式(14)计算传感器对目标的即时偏差，并利用公式(15)计算传感器对目标的即时最优动态权值；

式中，表示传感器j对目标α的即时偏差；(x_oj(k),y_oj(k),z_oj(k))表示在k时刻传感器j对目标α的观测数据；表示k-1时刻传感器j对目标α的位置估计数据；

式(15)中，N表示传感器的个数；

步骤5、按照公式(16)将各个传感器对相同目标的位置估计数据和即时最优动态权值进行融合，得到同一目标在k时刻经过融合后的位置信息X_α，完成目标α的位置估计；

式(16)中，X_UKF{j,α}表示k时刻传感器j对目标α的位置估计数据；

基于上述步骤能够完成对多目标的位置估计，实现多目标跟踪。