本发明提出一种基于高斯过程的概率数据关联滤波扩展目标跟踪方法。该方法首先提出了基于高斯过程的联合跟踪门,以选择各个时刻测量中的有效测量,总结各个有效测量来源的情况,获得关于测量来源的相关事件。第二,以相关事件,当前时刻的有效测量和近似足够统计为条件,基于卡尔曼滤波,获得相关事件对应的目标状态估计。第三,基于贝叶斯概率理论,以所有时刻的有效测量为条件,求得相关事件的权重。最后,结合总体概率公式,将所有相关事件的条件估计与相对应的权重加以总结,获得融合的状态估计和协方差估计。
1.基于高斯过程的概率数据关联滤波扩展目标跟踪方法,其特征在于该方法包括以下步骤:步骤(1)、构建基于高斯过程的联合跟踪门,以选择各个时刻的有效测量;1.1首先基于修改的高斯过程模型,求得各个当前测量对应的预测测量噪声协方差和预测轮廓测量噪声协方差,公式如下:其中和分别表示第k+1时刻的第j个预测测量噪声协方差和预测轮廓测量噪声协方差;μs表示尺度因子期望,表示尺度因子协方差,尺度因子服从高斯分布;R为测量噪声协方差;为预测旋转因子,表示第k+1时刻预测的高斯过程系数,为预测扩展目标轮廓状态,表示第k+1时刻的第j个测量在本地坐标系下相对于预测目标位置的角度,θ=[θ1,θ2,...,θN]T表示设定的目标轮廓角,其中第i个轮廓角θi=2π(i‑1)/N,N表示轮廓点的个数;σ(·,·)为平方指数协方差函数(SE),∑(·,·)为平方指数协方差函数矩阵;1.2利用预测的测量噪声协方差求得相应的新息协方差构建基于高斯过程的子跟踪门其中子跟踪门的中心为第j个预测测量新息然后联合所有的子跟踪门形成总体跟踪门以选择当前时刻的有效测量步骤(2)、假设杂波个数服从泊松分布且在探测范围内均匀分布,来源于目标的测量个数未知,扩展目标探测概率为PD,基于贝叶斯概率公式,求得每一个相关事件的权重2.1以相关事件当前时刻有效测量个数mk+1和过去时刻所有测量的近似统计Yk+1|k为条件,求得关于当前时刻测量的似然函数其中表示源于扩展目标的有效测量个数,表示源于扩展目标的测量个数为的相关事件个数,mk+1表示第k+1时刻的有效测量个数,PG表示来源于扩展目标
本文链接:http://www.vipzhuanli.com/tech/sell/s_2305634.html,转载请声明来源钻瓜专利网。