[发明专利]基于相关熵度量的鲁棒随机有限集多目标跟踪方法及装置

权利要求书

1.基于相关熵度量的鲁棒随机有限集多目标跟踪方法，其特征在于，所述方法包括以下步骤：

利用混合高斯方法进行δ-GLMB滤波的递推，对δ-GLMB滤波进行测量更新；

基于δ-GLMB滤波的测量更新，建立最大相关熵优化模型；

确定最大相关熵优化模型的核带宽参数；

根据所述核带宽参数求解最大相关熵优化模型，得到最大相关熵优化模型的最优解；

根据最大相关熵优化模型的最优解结合δ-GLMB滤波的测量更新，实现多目标状态后验概率密度参数的递推计算，获得多目标状态的鲁棒估计。

2.根据权利要求1所述的基于相关熵度量的鲁棒随机有限集多目标跟踪方法，其特征在于，在利用混合高斯方法进行δ-GLMB滤波的递推时，每个目标的假设航迹具有预测概率密度函数和后验概率密度函数，预测概率密度函数和后验概率密度函数均为混合高斯函数。

3.根据权利要求1所述的基于相关熵度量的鲁棒随机有限集多目标跟踪方法，其特征在于，核带宽参数为：

其中，为混合高斯函数的协方差矩阵；为混合高斯函数的均值；

H_k为测量矩阵；R_k为测量噪声协方差矩阵；θ_k(l)表示轨迹到测量的关联映射，表示轨迹l的测量。

4.根据权利要求1所述的基于相关熵度量的鲁棒随机有限集多目标跟踪方法，其特征在于，求解最大相关熵优化模型，包括：将最大相关熵优化模型转化为不动点方程组，采用不动点迭代法求解该不动点方程组，获得最大相关熵优化模型的最优解，实现混合高斯函数的均值和协方差矩阵的测量更新计算；

x_k为未知量的不动点方程组：

其中，D_z＝diag(κ_σ(d₁),κ_σ(d₂),…,κ_σ(d_n))，H_k为测量矩阵；R_k为测量噪声协方差矩阵；

为混合高斯函数的均值；

对于原目标l∈L_k-1，C_x＝diag(κ_σ(c₁),κ_σ(c₂),…,κ_σ(c_m))，对于新目标l∈B，C_x为单位矩阵，C_x和D_z是关于x_k的函数。

5.根据权利要求1所述的基于相关熵度量的鲁棒随机有限集多目标跟踪方法，其特征在于，所述最大相关熵优化模型为：

其中，J_MCC(x_k)是基于最大相关熵准则的代价函数；x_k为目标状态。

6.基于相关熵度量的鲁棒随机有限集多目标跟踪装置，其特征在于，包括：

更新单元，用于利用混合高斯方法进行δ-GLMB滤波的递推，对δ-GLMB滤波进行测量更新；

建模单元，用于基于δ-GLMB滤波的测量更新，建立最大相关熵优化模型；

估计单元，用于确定最大相关熵优化模型的核带宽参数；

求解单元，用于根据所述核带宽参数求解最大相关熵优化模型，得到最大相关熵优化模型的最优解；

递推单元，用于根据最大相关熵优化模型的最优解结合δ-GLMB滤波的测量更新，实现多目标状态后验概率密度参数的递推计算，获得多目标状态的鲁棒估计。

7.根据权利要求6所述的基于相关熵度量的鲁棒随机有限集多目标跟踪装置，其特征在于，更新单元包括：在利用混合高斯方法进行δ-GLMB滤波的递推时，每个目标的假设航迹具有预测概率密度函数和后验概率密度函数，预测概率密度函数和后验概率密度函数均为混合高斯函数。