[发明专利]一种基于分布式矩阵加权融合高斯滤波的目标跟踪方法

说明书

一种基于分布式矩阵加权融合高斯滤波的目标跟踪方法，该方法首先利用高斯滤波进行局部状态估计，接着利用统计线性回归方法来逼近局部估计之间的误差互协方差，最后通过求解最优化问题得到极大似然准则下的最优化参数，调整误差互协方差矩阵。本发明减少了统计线性回归中线性化误差带来的性能损失，提高了目标跟踪精度。

技术领域

本发明属于移动目标跟踪领域，具体涉及一种基于分布式矩阵加 权融合高斯滤波的目标跟踪方法。

背景技术

目标跟踪是军事以及民用领域的一个基本问题，在军事国防、城 市交通、家庭服务等领域发挥着重大作用。近年来，通信技术和微电 子技术迅速发展，无线传感网络在移动目标定位与跟踪中得到了广泛 应用，人们对目标跟踪的精度要求也越来越高。

在移动目标跟踪中，通常会涉及非线性滤波问题。高斯滤波是一 类非线性滤波方法，广泛应用于实际系统中。然而高斯滤波只考虑单 个传感器，估计精度往往不能满足需求，因此有必要对多个传感器数 据进行融合，得到更高精度的估计。虽然集中式融合通常能达到全局 最优估计，但是由于传感器信息的错误和计算的复杂性，相比于分布 式融合其鲁棒性和可靠性较差。矩阵加权融合是一种最小均方误差意 义下的最优加权融合准则，但它需要知道局部滤波器之间的互协方 差，在线性系统的情况下，互协方差可以用卡尔曼滤波推出解析解。 然而，在非线性系统中，系统的状态和量测方程十分复杂，无法获得 局部滤波器之间的误差互协方差，这种经典的融合准则不适用。

发明内容

为了解决现有非线性移动目标跟踪方法融合时无法获得局部滤 波器之间的误差协方差的问题，本发明提出了一种基于分布式矩阵加 权融合高斯滤波的目标跟踪方法，提高了目标跟踪精度和鲁棒性。

本发明为了实现上述目的，提出技术方案如下：

一种基于分布式矩阵加权融合高斯滤波器的目标跟踪方法，包括 以下步骤：

步骤1：建立非线性系统状态空间模型、量测模型，过程如下：

1.1建立系统状态模型

x_k+1＝f(x_k)+w_k (1)

其中x_k为k时刻的系统状态，f(x_k)∈Rⁿ为任意非线性向量函数，w_k为 协方差为Q_k的高斯白噪声；

1.2建立系统量测模型

其中i为观测站编号，为k+1时刻第i号观测站的量测值， 为任意非线性向量函数，为协方差为的高斯白噪 声；

步骤2：计算局部高斯滤波估计以及协方差，过程如下：

2.1初始化x_0|0和P_0|0，k＝0；

2.2定义

其中g(x)为任意非线性函数，为均值为协方差为P的正态 分布，L为系统状态维度，S为P的楚列斯基分解，e_j∈R^L×1为j行为1 其他行为0的列向量；

2.3计算状态预测值以及状态预测协方差

2.4计算状态估计值以及状态估计协方差

其中