[发明专利]基于高斯过程回归的变分滤波机动目标跟踪方法

权利要求书

1.一种机动目标跟踪方法，其特征在于，所述方法包括：首先采用时间预测方法得到目标状态的预测后验分布、过程噪声协方差的预测后验分布和预测量测值，然后使用变分滤波方法更新目标状态和过程噪声协方差的联合后验分布；

所述时间预测方法包括：采用卡尔曼滤波方法对目标状态和过程噪声协方差进行一步时间预测，得到目标状态和过程噪声协方差的预测后验分布；采用高斯过程回归技术使用历史量测进行建模，对当前时刻进行预测得到预测量测；

所述变分滤波方法包括：首先使用量测阈值处理方法对当前量测进行检测，剔除异常量测并使用预测量测替代；然后使用变分近似方法迭代估计目标状态和过程噪声协方差的联合后验分布，当满足终止条件或达到迭代次数时结束变分近似方法，将此时的结果作为最终的联合后验分布。

2.根据权利要求1所述的机动目标跟踪方法，其特征在于，所述时间预测方法得到目标状态的后验分布、过程噪声协方差的后验分布的过程包括：

对于当前时刻k，使用k-1时刻的目标状态均值x_k-1|k-1、目标状态协方差P_k-1|k-1和状态转移矩阵F_k，通过卡尔曼滤波的预测步骤计算预测状态均值x_k|k-1和预测状态协方差Σ_k：

x_k|k-1＝F_kx_k-1|k-1

通过逆Wishart分布表达式计算k时刻的预测自由度和预测尺度矩阵Φ_k|k-1：

Φ_k|k-1＝ρΦ_k-1|k-1

其中，和Φ_k|k为k-1时刻过程噪声协方差后验分布的自由度和尺度矩阵。

3.根据权利要求1所述的机动目标跟踪方法，其特征在于，所述采用高斯过程回归技术的过程包括：

使用k时刻的历史量测{z₁,z₂,…,z_k-1}作为训练数据，采用零均值函数和平方指数协方差函数，通过最大似然估计法计算超参数，进行高斯过程建模。然后，使用高斯过程模型对k时刻的量测进行预测得到预测量测其中，z_1:k-1＝{z₁,z₂,…,z_k-1}，为起始时刻到k-1时刻的全部量测数据。

4.根据权利要求1所述的机动目标跟踪方法，其特征在于，所述量测阈值处理方法包括：

使用k时刻的历史新息计算新息均值使用历史新息和新息均值计算新息标准差使用新息标准差确定量测阈值T_D；

若当前量测z_k大于等于阈值T_D，认为当前时刻的量测z_k是异常量测，将其剔除并使用高斯过程回归的鲁棒预测量测作为当前时刻的量测值继续方法；当新息小于阈值，即r_kT_D时，认为当前时刻的量测z_k是正常量测，不处理继续方法过程。

5.根据权利要求4所述的机动目标跟踪方法，其特征在于，所述量测阈值T_D的计算方法为：

其中，{r₁,r₂,…,r_k-1}为k时刻的历史新息集合。