[发明专利]一种基于自适应扩展卡尔曼概率假设密度滤波器的多目标跟踪方法

权利要求书

1.一种基于自适应扩展卡尔曼概率假设密度滤波器的多目标跟踪方法，其特征在于，所述跟踪方法包括以下步骤：

步骤一、初始化新生强度函数v₀(x)；

步骤二、根据所述新生强度函数v₀(x)预测存活目标强度函数v_s,k|k-1(x)和新生目标强度函数v_γ,k|k-1(x)；

步骤三、对测量值集合进行划分，从测量值集合中提取存活目标测量值和新生目标测量值；

步骤四、分别利用存活目标测量值和新生目标测量值对步骤二中预测的强度函数进行更新，得到更新的存活目标强度函数v_s,k(x)和新生目标强度函数v_γ,k(x)，最终更新的目标强度函数为v_k|k(x)；

步骤五、利用剪枝阈值T_th及合并阈值U对步骤四中的更新强度函数v_k|k(x)进行剪枝与合并，得到目标强度函数v_k(x)；

步骤六、设定目标状态提取阈值w_th，并从步骤五的目标强度函数v_k(x)中提取权值大于w_th的高斯密度函数作为最终的跟踪结果，

步骤一中，具体的，初始化强度函数v₀(x)表示为：

其中表示均值为协方差为的高斯密度函数，并且为目标的权值，J₀为初始化目标个数；

步骤二中，具体的，

预测存活目标的强度函数v_s,k|k-1(x)，其表达式为：

其中表示均值为协方差为的高斯密度函数，并且为预测的存活目标权值，J_s,k|k-1为预测的存活目标个数，

预测新生目标的强度函数v_γ,k|k-1(x)，其表达式为：

其中表示均值为协方差为的高斯密度函数，并且为预测的新生目标权值，J_γ,k|k-1为预测的新生目标个数；

步骤三中，具体的，对测量值集合Z_k进行划分，从测量值集合Z_k中提取存活目标测量值集合Z_s,k和新生目标测量值集合Z_γ,k；

步骤四中，具体的，利用步骤三中提取的存活目标测量值集合Z_s,k对预测的存活目标强度函数v_s,k|k-1(x)进行更新，更新后的存活目标强度函数v_s,k(x)表示为：

其中p_D,k表示探测概率，表示更新的存活目标权值，表示更新的存活目标均值，表示更新的存活目标协方差，

利用步骤三中提取的新生目标测量值集合Z_γ,k对预测的新生目标强度函数v_γ,k|k-1(x)进行更新，更新后的新生目标强度函数v_γ,k(x)表示为：

其中，表示更新的新生目标权值，表示更新的新生目标均值，表示更新的新生目标协方差，

最终，更新的目标强度函数v_k|k(x)表示为：

v_k|k(x)＝v_s,k(x)+v_γ,k(x)       (6)；

步骤五中，具体的，利用剪枝阈值T_th及合并阈值U对步骤四中更新的目标强度函数v_k|k(x)进行剪枝与合并，得到的目标强度函数为

其中表示目标的权值，表示均值，表示协方差；

步骤六中，具体的，设定目标状态提取阈值w_th，并提取步骤五中的目标强度函数v_k(x)：

其中X_k(x)表示目标强度函数的集合，表示目标状态向量，J_k表示目标数目；

目标在二维区域[-2000,2000](m)×[0,2000](m)内运动，传感器固定在坐标原点，观测量为传感器与目标之间的方位角和距离，在采样时刻为k时，目标的状态向量为其中(p_x,k,p_y,k)表示目标的位置，表示目标的速度，w_k表示目标的转弯率，目标运动的动态模型和测量值模型分别为

其中w_k为过程噪声，v_k为测量噪声，探测概率p_D,k＝0.98，剪枝阈值T_th＝0.00001，合并阈值U＝4，目标状态提取阈值w_th＝0.5，在每个采样时刻的测量值结果中既包含来自目标的测量值也包含来自杂波的测量值，并且杂波的强度函数为其中u(z)为目标活动区域的均匀密度，V＝2000π(radm)是目标活动区域的面积，λ_c＝6.37×10^-3(radm)^-1表示单位体积的平均杂波返回数，因此在目标运动范围内的每个采样时刻有40个来自杂波干扰的测量值。