[发明专利]一种基于current-ellipse模型的车辆动态跟踪方法

权利要求书

1.一种基于current-ellipse模型的车辆动态跟踪方法，其特征在于，包括以下步骤：

S1、在GNSS信号受限区域部署RSUs车辆无线定位系统，获取目标跟踪车辆的运动观测数据；

S2、以current模型为基础，改进得到目标跟踪车辆的current-ellipse运动数学模型；

S3、在步骤S2改进得到的current-ellipse运动数学模型的基础上，对来自RSUs的目标跟踪车辆观测数据执行自适应卡尔曼滤波算法，从而得到精确的目标跟踪车辆的运动数据；

所述步骤S2的具体过程如下：

current模型使用Rayleigh分布来描述车辆行驶加速度的分布，车辆的正向加速度的概率密度函数为：

上式中，a为车辆加速度，a_max为车辆的正向加速度上限；μ0，为常数；相应的，根据概率密度函数表达式，计算出加速度的均值和方差：

对于车辆的反向加速度，有：

a_-max为车辆的正向加速度下限；

根据以下公式，确定正向加速度均值E[a]的取值范围：

化简可得：

因此，正向加速度的均值范围如下：

对于反向加速度有：

根据current模型，计算得出车辆加速度的协方差：

由于当加速度均值处在[(4-π)a_-max/4,(4-π)a_max/4]范围时，描述加速度分布的概率密度函数失效，同时加速度的协方差也变得不准确；因此，对current模型进行改进，得到目标跟踪车辆的current-ellipse运动数学模型；具体改进如下：

[(4-π)a_-max/4,(4-π)a_max/4]区间内，用椭圆曲线的一半来代替current模型的协方差曲线，该椭圆的顶点为：

和

该椭圆的长轴长度A为(4-π)a_max/4，短轴长度B为(4-π)a_max/6，即椭圆方程如下：

在current-ellipse运动数学模型下，车辆加速度的协方差计算公式如下：

其中，表示当前加速度的均值，

2.根据权利要求1所述的一种基于current-ellipse模型的车辆动态跟踪方法，其特征在于，所述步骤S3的具体过程如下：

S3-1、输入来自RSUs的目标跟踪车辆观测数据：观测数据数N、加速度时间常数τ的倒数α、正向加速度上限a_-max、正向加速度下限a_-max；

S3-2、初始化采样周期T、状态转移矩阵Φ(k/k-1)和Φ^*(T)、观测矩阵H(k)、观测噪声的协方差矩阵R(k)、误差的协方差矩阵P(k-1)，零初始化预测结果predicted_result[N]；k＝1；

S3-3、预测过程：

1)先验状态估计：X(k/k-1)＝Φ^*(T)X(k-1)；

2)基于current-ellipse模型计算协方差

3)计算过程噪声的协方差矩阵Q(k)；

4)先验误差的协方差：P(k/k-1)＝Φ(k/k-1)P(k-1)Φ^T(k/k-1)+Q(k)；

S3-4、更新过程：

5)优化卡尔曼增益：K(k)＝P(k/k-1)H^T(k)[H(k)P(k/k-1)H^T(k)+R(k)]^-1；

6)更新后的估计协方差：P(k)＝[1-K(k)H(k)]P(k/k-1)；

7)更新后的状态估计：X(k)＝X(k/k-1)+K(k)[Z(k)-H(k)X(k/k-1)]；

8)预测结果predicted_result[k]＝X(k)；

S3-5、判断k是否小于等于观测数据数N，若是，则k＝k+1，并返回步骤S3-3；若不是，则直接输出预测结果。