[发明专利]基于B样条函数任意扩展目标形状及状态估计方法

说明书

技术领域

本发明属于智能信息处理技术领域，涉及扩展目标的形状和状态的估计方法。具体地说是一种基于B样条函数任意扩展目标形状及状态估计方法，可用于各种交通管制、机器人导航和精确制导等系统中的目标跟踪与形状估计。

背景技术

传统的低分辨雷达等探测系统中，目标被当作单个点来处理，因为其相对于传感器分辨单元来说太小，仅占据一个分辨单元。但随着现代雷达等探测设备分辨率的不断提高，目标的回波信号可能分布在不同的距离分辨单元中，其探测场不再等效为一个点，即单个目标可能产生多个量测，本发明中称这样的目标为扩展目标。针对扩展目标跟踪，单个点状态已经难以充分描述扩展目标，需要综合考虑目标形状等信息进行检测与跟踪分析。

目前，扩展目标形状估计方法主要包括：Random Matrices(RM)方法和Random Hypersurface Models(RHMs)方法。其中，RM方法使用扩展目标量测集的离散方差矩阵作为目标的形状参数，在贝叶斯框架下，将Wishart分布产生随机的形状参数矩阵作为先验形状，并根据下一时刻的量测信息更新后验形状。该方法的优点是对单帧数据处理比较简单，适用于集群目标的形状估计。但是，RM方法只能获得目标的近似椭圆形状，如果目标不是椭圆型（如星型或其他不规则形状），则该方法获得的形状信息将不准确，直接影响对目标状态的分析。RHMs方法是随机集模型的一种，通过设定的形状方程，随机产生方程中的参量作为先验参数，并通过量测集和系统噪声构造约束条件来筛选先验参数，从而拟合出目标的形状，可以看出，该方法过分依赖于目标的先验形状，并根据先验形状参数确定目标的形状方程，如果参数不合理，将直接影响形状估计的精度。

发明内容

针对上述问题，本发明提出一种基于B样条函数的扩展目标形状及状态估计方法，采用多帧统计技术，在极坐标系下选取样本控制点，并用B样条函数拟合出目标的形状函数，实现高噪声、低量测数、低传感器精度情况下对任意扩展目标的形状近似估计。

实现本发明的关键技术是：在极坐标系下引入B样条技术，采用贝叶斯滤波框架进行多时刻联合估计，统计不同角度上目标的轮廓长度，运用B样条函数拟合目标形状，实现对任意扩展目标的形状估计。

为实现上述目标，具体实现步骤如下：

（1）初始化参数：目标状态ξ₀＝{x₀,X₀,P₀,Δ₀}，其中，x₀表示目标位置信息，X₀为形状信息，P₀为运动噪声协方差，Δ₀为形状噪声；并假定Q和R分别表示状态噪声协方差和量测噪声协方差；设定参量d、和m，其中，d为角度划分宽度，为固定不变的角度集合，m为伪量测集的最大元素数。

（2）当k≥1，根据量测Y_k和状态x_k进行卡尔曼滤波。

（3）以滤波后目标的位置信息为原点建立极坐标系，记录量测相对于原点的坐标，添加到伪量测集形成新的伪量测集Z_k+1。

（4）根据伪量测集Z_k+1更新目标形状

(3a)在0到2π之间均匀产生n个角度，构成固定不变的角度集合并统计过原点且指向θ_i角度方向上射线附近的点；先构造以指向θ_i角度方向射线为对称轴，原点为底边中点的矩形，底边长度设为2d，将矩形之内的点划分到集合D_k+1,i中，并统计D_k+1,i中所有点到矩形底边距离的期望，则可近似地获得伪量测集轮廓的长度，其中，d为先验常数；

(3b)统计D_k+1,i获得k+1时刻目标的轮廓集合，根据轮廓集合进行卡尔曼滤波，更新目标的形状信息，更新后的形状信息为X_k+1。

（5）以X_k+1作为控制顶点，生成三次B样条函数，估计目标的形状。

（6）若下一时刻观测信息到达，转到步骤（2）进行迭代；否则，目标跟踪过程结束。

本发明具有以下优点：

（1）本发明采用了多帧统计的思想建立了伪量测集，不需要对量测率的分布做任何假设，从而可以在低量测率、高噪声的情况下准确估计目标的形状。