[发明专利]基于分段RTS的概率假设密度滤波平滑方法

摘要

本发明公开了一种基于分段RTS的概率假设密度滤波平滑方法，将概率假设密度(PHD)滤波器和RTS平滑器相结合，提出了基于RTS的概率假设密度滤波平滑算法。考虑到在平滑过程中存在较大的输出延迟问题，采用分段思想，提出了分段RTS的概率假设密度滤波平滑方法。首先，对需要平滑的估计值进行分段；其次，采用匈牙利算法进行航迹‑估计关联；最后，对关联后的估计值逐段进行RTS平滑。本发明基于分段RTS的概率假设密度滤波平滑方法与PHD滤波结果相比，能够更加精确地估计目标状态，并且可以有效避免直接应用RTS平滑造成的实时性欠佳问题。

主权项

1.基于分段RTS的概率假设密度滤波平滑方法，其特征在于，具体按照以下步骤实施：步骤1、由传感器观测k时刻的真实目标的运动状态产生的数据信息集合以及由杂波产生的信息集合之和组成传感器的量测集Zk，在k时刻传感器的量测集Zk模型为：上式中Z_c,k为k时刻的杂波集，N_k为目标个数，表示第i个目标在k时刻的状态值，表示k时刻传感器接收到的第j个量测量：其中，H_k表示目标量测矩阵，表示量测噪声且协方差为R_k；步骤2、根据目标可能的初始的起始位置，计算多目标的初始概率假设密度；初始概率假设密度建模如下：上式中J_k表示初始时刻高斯项个数，表示初始时刻第j个高斯项的权值，为初始时刻第j个高斯项的均值，为初始时刻第j个高斯项的协方差；步骤3、设置分段长度L，由步骤2得到的目标初始概率假设密度以及步骤1得到的量测集合，利用动态方程对目标位置进行估计；步骤4、经步骤3完成对目标位置估计后，保存当前时刻目标总的权值、均值、以及协方差；步骤5、对步骤4得到的目标估计进行航迹‑估计关联，同时判断是否满足设置的分段长度，若不满足，返回步骤3，将步骤4得到的当前时刻目标总的权值、均值以及协方差作为下一时刻步骤3中所需要的目标初始权值、均值以及协方差，若满足，执行步骤6；步骤6、当满足设置的分段长度L时，对步骤5得到的各个航迹分别进行RTS平滑，返回步骤3，将步骤4得到的当前时刻目标总的权值、均值以及协方差作为下一时刻步骤3中所需要的目标初始权值、均值以及协方差，经多次循环后最终实现对目标状态的估计。