[发明专利]模糊高斯和粒子滤波方法、装置及目标跟踪方法、装置

权利要求书

1.一种模糊高斯和粒子滤波方法，其特征在于，包括：

利用高斯和构建上一目标观测时刻的状态后验概率密度函数、观测噪声概率密度函数以及状态噪声概率密度函数；

根据所述上一目标观测时刻的状态后验概率密度函数和所述状态噪声概率密度函数，利用高斯-厄米特积分和蒙特卡罗原理获取当前目标观测时刻的目标状态预测概率密度函数；

根据所述当前目标观测时刻的目标状态预测概率密度函数和所述观测噪声概率密度函数获取状态粒子集；

利用模糊聚类原理获取当前目标观测时刻的粒子权值和积分点权值，并计算各高斯项的权值；

根据所述状态粒子集和所述粒子权值、所述积分点权值计算每个高斯分布的均值和协方差；

根据所述高斯项的权值对高斯项进行重采样，获取G个权值较大的高斯项，G为正整数；以及

根据获取的G个高斯项，利用高斯和原理得到当前目标观测时刻的状态后验概率密度函数，完成粒子滤波；

其中所述利用模糊聚类原理获取当前目标观测时刻的粒子权值和积分点权值，并计算各高斯项的权值的步骤包括：

根据积分点构建当前目标观测n+1时刻的多个积分点的重要性函数P_(n+1|n)g'为n+1时刻的目标状态的第g’个高斯分布函数的协方差；

根据所述n+1时刻的多个积分点的重要性函数获取积分点的近似粒子集具体如下式所示：

其中，l＝1，2，……，m；g’＝1，2，……，G’；j＝1，2，……L；i＝1，2，……，N，m为高斯-厄尔米特积分点的数目，G'＝GK，G为构建n时刻的目标状态后验概率密度函数的高斯分布函数的总数，K为构建非高斯过程噪声概率密度函数的高斯分布函数的总数，L为构建非高斯观测噪声概率密度函数的高斯分布函数的总数；

计算所述近似粒子集中每个粒子的权值具体如下式所示：

其中，为根据拉格朗日乘子法最小化目标函数而得到的y_n+1与粒子的模糊隶属度，y_n+1为当前目标观测时刻n+1时刻的目标观测，m₁表示加权指数；

所述目标函数如下式所示：

根据每个所述积分点概率密度函数的粒子集，自适应计算所述积分点权值具体如下式所示：

其中，l＝1，2，……，m。

2.根据权利要求1所述的方法，其特征在于，所述根据上一目标时刻的状态后验概率密度函数和状态噪声概率密度函数，利用高斯-厄米特积分规则和蒙特卡罗原理获取当前时刻目标状态的预测概率密度函数的步骤包括：

利用高斯-厄米特积分构建上一目标观测时刻的多个积分点概率密度函数；

根据所述多个积分点概率密度函数获取所述积分点的近似粒子集；其中，所述积分点的近似粒子集为i＝1，2，……，N，P_(n|n)g为上一目标观测时刻的积分点概率密度函数的均值和协方差；

获取所述近似粒子集中每个近似粒子的预测粒子集；以及

根据所述预测粒子集获取当前目标观测时刻的目标状态预测概率密度函数。