[发明专利]一种同时估计未知高斯测量噪声统计量的多目标跟踪方法

说明书

本发明公开了一种同时估计未知高斯测量噪声统计量的多目标跟踪方法，首先利用正态逆威沙特分布对未知高斯测量噪声的均值和协方差进行建模，并将目标状态和测量噪声统计量表示为高斯分布与正态逆威沙特分布的联合概率假设密度形式，然后通过概率假设密度滤波算法对联合概率假设密度强度值进行预测，最后结合分步迭代法分别对目标状态和测量噪声统计量进行估计和修正。本发明方法在进行目标数量及各自位置状态估计的同时，可以准确估计出测量噪声的均值和协方差，从而拓展了传统多目标跟踪算法的应用范围。

技术领域

本发明属于多目标跟踪技术领域，具体涉及一种高斯测量噪声均值和协方差均未知情形下的自适应估计测量噪声统计量的多目标跟踪方法。

背景技术

随着传感器技术、计算机技术和自动化控制技术的发展，多目标跟踪技术在移动机器人自主导航、智能视频监控、卫星遥感监测和无线传感器网络等众多领域得到了广泛应用。

一些研究者利用随机有限集理论和概率假设密度滤波器对多目标跟踪问题进行建模和求解，有效克服了各个目标状态量与传感器测量值之间复杂的数据关联难题。在假设测量噪声为零均值高斯分布且其协方差先验已知的条件下，对目标状态采用高斯混合表示法，不需要执行高计算复杂度的簇集运算，并且可以将各种已有的高斯滤波算法直接用于单个高斯分量的预测和更新。

传统的基于高斯混合概率假设密度滤波器在目标状态估计过程中，通常都假设测量噪声的先验均值和协方差是精确已知的，然而在很多实际应用场合中常常会存在上述测量噪声先验统计量未知或者不准确的情况。在以上这些情况下，基于高斯混合概率假设密度滤波器的多目标跟踪方法容易发生估计偏差大、目标丢失和状态估计值不收敛等结果。

发明内容

本发明提供了一种同时估计未知高斯测量噪声统计量的多目标跟踪方法，旨在测量系统的高斯噪声均值和协方差均未知情形下，除了对目标状态进行估计外，同时对测量噪声均值及协方差进行估计。

本发明的目的是通过以下技术方案来实现的：一种同时估计未知高斯测量噪声统计量的多目标跟踪方法，包括以下步骤：

(1)设定用于表征测量噪声统计量的正态逆威沙特分布超参数初始值，并初始化新生目标状态概率假设密度强度值；

(2)利用贝叶斯滤波递归算法和固定点分步迭代优化算法，计算每一个混合项对应参数的预测值和更新值；

(3)根据给定的删减阈值和融合阈值，对更新后的混合项进行删减和融合操作；

(4)从混合项集合中提取当前时刻目标状态估计值，并得到目标个数估计值。

进一步地，步骤(1)具体包括如下步骤：

(1-1)将测量噪声统计量θ的概率值表示为正态逆威沙特分布，并设定其参数初始值：

其中，p(θ₀)为测量噪声统计量的初始概率值，θ₀＝{r₀,R₀}表示测量噪声统计量初始值组合，r₀和R₀分别是测量噪声均值和协方差的初始值，μ₀,κ₀,ν₀,Λ₀为正态逆威沙特分布的参数初始值。

(1-2)将k时刻新生目标状态概率假设密度强度值表示为高斯分布分量与正态逆威沙特分布分量乘积混合项的加权和，并设定其初始值：