[发明专利]一种解决量测信息存在随机时延和丢包的目标跟踪方法

说明书

本发明公开了一种解决量测信息存在随机时延和丢包的目标跟踪方法。考虑目标跟踪的过程中，传感器的量测信息存在时延和丢包情况，建立状态方程和修正的量测方程。根据随机时延长度，对状态和协方差矩阵进行增广，计算一步预测概率密度函数、似然概率密度函数和相关先验概率密度函数。利用变分贝叶斯理论，进行参数更新，估算出近似的后验概率密度函数、随机时延和丢包概率。依据计算出的概率，自适应调节量测协方差矩阵，提高系统定位精度。本发明的有益效果为：基于滤波的方法可以同时在线估计出传感器的随机时延和丢包概率，方法易于实施。

技术领域

本发明属于导航技术领域，具体涉及一种解决量测信息存在随机时延和丢包的目标跟踪方法。本发明能在线同时估计出传感器的随机时延和丢包概率，自适应修正量测协方差矩阵，提高系统的定位精度。

背景技术

目标跟踪视为对目标状态的实时估计问题，其中状态包括了位置、线速度、角速度和加速度等信息。近几年在民用、科研以及军事方面得到了广泛应用。

常用的目标跟踪算法有基于卡尔曼滤波、多项式拟合、神经网络等。基于卡尔曼滤波的方法可以连续无偏估计目标状态，并且计算量小，准确度高，在工程中易于实现。基于卡尔曼滤波的方法要求状态更新和量测更新时间同步，但是现实环境中量测信息往往存在时或者丢包延问题。现有的方法直接利用量测进行滤波，不分析该量测信息是否当前时刻或者是只包含噪声的无效信息，最终导致滤波结果的发散，因此，研究一种能够判断量测信息是否丢包或者时延，成为提高系统定位精度的关键。

经检索，中国专利申请号为CN110636452B的专利，公开了无线传感器网络粒子滤波目标跟踪方法。其技术方案为：综合考虑目标跟踪过程随机时延和数据丢包的情况，并将校正后的信号利用粒子滤波算法对目标状态进行精确估计。针对时延问题，采用了一种斜坡信号响应法对网络时延进行测量，并更具延迟时间确定是否需要进行校正，不需要对从数据包中提取时间信息，可以有效的降低无线传感器网络的通信资源消耗；针对数据丢包问题，提出了一种基于增量和统计信息的补偿方案，由于同时考虑目标跟踪系统中随机时延和数据丢包的问题，并进一步对时延测量方法和数据丢包补偿方案进行优化，因此在数据丢包和随机时延及环境噪声干扰的情况下有较强的鲁棒性和较高的跟踪精度。

发明内容

为解决上述问题，本发明公开了一种解决量测信息存在随机时延和丢包的目标跟踪方法，考虑目标跟踪的过程中，传感器的量测信息存在时延和丢包情况，建立状态方程和修正的量测方程。根据随机时延长度，对状态和协方差矩阵进行增广，计算一步预测概率密度函数、似然概率密度函数和相关先验概率密度函数。利用变分贝叶斯理论，进行参数更新，估算出近似的后验概率密度函数、随机时延和丢包概率。依据计算出的概率，自适应调节量测协方差矩阵，提高系统定位精度。

为达到上述目的，本发明的技术方案如下：

一种解决量测信息存在随机时延和丢包的目标跟踪方法，包括如下步骤：

步骤1：考虑目标跟踪的过程中，传感器的量测信息存在时延和丢包情况，建立状态方程和修正的量测方程；

具体为：

系统状态和量测方程为：

x_k＝F_k-1x_k-1+ω_k，

z_k＝H_kx_k+v_k，

其中，表示k时刻的状态向量，包含位置和速度信息，表示k时刻的量测向量，ω_k和v_k描述过程噪声和测量噪声，具有零均值和协方差矩阵Q_k和R_k的高斯分布，F_k-1和H_k分别为状态转移矩阵和测量矩阵，表达式分别如下：