一種輔助截斷粒子濾波方法、裝置及目標跟蹤方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及非線性濾波領(lǐng)域，特別是設(shè)及一種輔助截斷粒子濾波方法、裝置及目 標跟蹤方法及裝置。
【背景技術(shù)】
[0002] 粒子濾波作為一種最優(yōu)處理非線性非高斯問題的有效方法，目前已被廣泛應(yīng)用于 各類非線性濾波領(lǐng)域，如圖像監(jiān)控、目標定位與跟蹤、環(huán)境監(jiān)測等領(lǐng)域。在估計性能上，粒子 濾波優(yōu)于現(xiàn)在應(yīng)用最廣泛的擴展卡爾曼濾波巧KF)和無跡卡爾曼濾波(UKF)，W及由它們衍 生出來的很多不同濾波方法，如迭代擴展卡爾曼濾波（IEKF)、高斯厄米特濾波(GHF)、積分 卡爾曼濾波(QKF)。在對非線性問題的處理能力上，粒子濾波適用于任何能用狀態(tài)空間模型 表示的非線性非高斯系統(tǒng)，W及傳統(tǒng)卡爾曼濾波無法表示的非線性非高斯系統(tǒng)，而且對系 統(tǒng)狀態(tài)維數(shù)不敏感，因此它在復(fù)雜的實際系統(tǒng)中具有更廣闊的應(yīng)用前景。但是，粒子濾波也 存在著自身的一些缺陷，比如粒子的退化、計算量巨大、實時性差等，影響和制約了它的發(fā) 展。
[0003] 為了避免粒子退化，粒子濾波都需要對粒子進行重采樣，然而運樣會影響算法的 并行功能。由此，為了提高執(zhí)行效率，一類免重采樣的粒子濾波方法開始逐漸發(fā)展起來，如 高斯粒子濾波(GPF)，擬蒙特卡羅-高斯粒子濾波(QMC-GPF)等。但是，在目標運動模型和觀 測模型不確定時，該類粒子濾波的濾波性能就變差，且在目標機動時，預(yù)測誤差增大更加明 顯，從而導(dǎo)致目標狀態(tài)先驗分布的方差增大，降低目標跟蹤性能。另一類粒子濾波方法，如 截斷無跡卡爾曼濾波(TUKF)，采樣一種修正的先驗概率密度函數(shù)對目標狀態(tài)進行更新，當 觀測信息比較精確時，具有很好的跟蹤性能。不足之處在于當觀測信息不精確或非線性較 強時，跟蹤性能下降，而且該種濾波方法要求觀測函數(shù)具有唯一的反函數(shù)，使得該種濾波方 法不能應(yīng)用于被動目標跟蹤。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明主要解決的技術(shù)問題是提供一種輔助截斷粒子濾波方法、裝置及目標跟蹤 方法及裝置，能夠提高粒子濾波的準確性和實時性，從而解決非線性非高斯環(huán)境下目標機 動帶來目標模型不確定情況下的快速目標跟蹤問題。
[000引為解決上述技術(shù)問題，本發(fā)明采用的一個技術(shù)方案是：提供一種輔助截斷粒子濾 波方法，該方法包括:利用原始先驗概率密度函數(shù)作為第一重要性密度函數(shù)進行粒子濾波 W獲取與目標狀態(tài)對應(yīng)的第一均值和第一協(xié)方差值;在原始先驗概率密度函數(shù)中，利用截 斷理論引入當前觀測信息和目標特性信息W構(gòu)建修正先驗概率密度函數(shù);利用修正先驗概 率密度函數(shù)作為第二重要性密度函數(shù)進行粒子濾波W獲取與目標狀態(tài)對應(yīng)的第二均值和 第二協(xié)方差值;根據(jù)目標狀態(tài)估計權(quán)值分別對第一均值和第二均值、第一協(xié)方差值和第二 協(xié)方差值進行加權(quán)處理W獲取與目標狀態(tài)對應(yīng)的后驗概率密度函數(shù)，完成粒子濾波過程。
[0006]其中，利用原始先驗概率密度函數(shù)作為第一重要性密度函數(shù)進行粒子濾波W獲取 與目標狀態(tài)對應(yīng)的第一均值和第一協(xié)方差值的步驟包括:從第一重要性密度函數(shù)中提取第 一粒子集;獲取第一粒子集中每個粒子對應(yīng)的第一權(quán)值;對每個第一權(quán)值進行標準化處理； 根據(jù)標準化處理后的第一權(quán)值W及與第一權(quán)值對應(yīng)的粒子獲取與目標狀態(tài)對應(yīng)的第一均 值和第一協(xié)方差值。
[0007] 其中，在原始先驗概率密度函數(shù)中，利用截斷理論引入當前觀測信息和目標特性 信息W構(gòu)建修正先驗概率密度函數(shù)的步驟包括:根據(jù)當前觀測信息利用最小二乘定位方法 獲取目標的定位位置和定位方差;根據(jù)原始先驗概率密度函數(shù)、定位位置W及目標特性信 息獲取目標的位置分量對應(yīng)的最大似然估計值;根據(jù)最大似然估計值、定位方差獲取修正 先驗概率密度函數(shù);其中，原始先驗概率密度函數(shù)、修正先驗概率密度函數(shù)近似為高斯概率 密度函數(shù)。
[0008] 其中，最大似然估計值根據(jù)由如下公式獲取得到：
[00川其中，參向）表示最大似然估計值，佑。0表示先驗概率密度函數(shù)中目標的位置分量 ak對應(yīng)的均值，Wz-,,)為目標的定位位置，λ為一常數(shù)，T為目標觀測時間間隔，V為目標速度， 4尚表示觀測噪聲方差，種腳表示新息協(xié)方差。
[0012] 其中，利用修正先驗概率密度函數(shù)作為第二重要性密度函數(shù)進行粒子濾波W獲取 與目標狀態(tài)對應(yīng)的第二均值和第二協(xié)方差值的步驟包括:從第二重要性密度函數(shù)中提取第 二粒子集;獲取第二粒子集中每個粒子對應(yīng)的第二權(quán)值;對每個第二權(quán)值進行標準化處理； 根據(jù)標準化處理后的第二權(quán)值W及與第二權(quán)值對應(yīng)的粒子獲取與目標狀態(tài)對應(yīng)的第二均 值和第二協(xié)方差值。
[0013] 其中，獲取第二粒子集中每個粒子對應(yīng)的第二權(quán)值的步驟包括：
[0014] 利用修正先驗概率密度函數(shù)構(gòu)建第二重要性密度函數(shù)：
[001 引 qne^Hil X0:k-l,Zl:k,ri:k) =Pne^a<| Zk,Xk-l,ri:k);
[0016]其中，Pnew(Xk I Zk，Xk-l，ri:k)表示修正先驗概率密度函數(shù)，qnew(Xk| X0:k-l，Zl:k，：ri:k)表 示第二重要性密度函數(shù)；
[0017]第二權(quán)值根據(jù)如下公式獲取得到：
[001 引
[0019] 其中，佑^表示k時刻的第二權(quán)值，表示k-1時刻的第二權(quán)值，I.τ?，;-,:;.)表示 觀測似然函數(shù)，/?(>4|扣，也）表示k時刻的后驗概率密度函數(shù)，_1 I如_1，心1)表示k-1 時刻的后驗概率密度函數(shù)，而0,(.成-I )表示k時刻的第Ξ重要性密度函數(shù)， g,mi,(.r〇:i_l I句:&_1.，)表不k-1時刻的束二重要性醬度函數(shù)，Pnew(Xk I Zk , Xk-l, ri :k)表不修正先 驗概率醬度函數(shù),qnew(Xk I M:k-1, Zl:k , ri:k)表不束一重要性醬度函數(shù)。
[0020]其中，目標狀態(tài)估計權(quán)值根據(jù)如下公式獲取得到：
[0024] 其中，ak表示目標狀態(tài)估計權(quán)值，Zk表示當前觀測值;hk( ·)表示已知的非線性觀 巧幅數(shù)；私。。,*與分別表示利用先驗概率密度函數(shù)作為第一重要性密度函數(shù)進行粒子 濾波得到的第一均值和第一協(xié)方差；與巧分別表示利用修正先驗概率密度函數(shù)作 為第二重要性密度函數(shù)進行粒子濾波得到的第二均值和第二協(xié)方差值。
[0025] 為解決上述技術(shù)問題，本發(fā)明采用的另一個技術(shù)方案是:提供一種輔助截斷粒子 濾波裝置，包括:第一獲取模塊，用于利用原始先驗概率密度函數(shù)作為第一重要性密度函數(shù) 進行粒子濾波W獲取與目標狀態(tài)對應(yīng)的第一均值和第一協(xié)方差值;修正先驗概率密度函數(shù) 構(gòu)建模塊，用于在原始先驗概率密度函數(shù)中，利用截斷理論引入當前觀測信息和目標特性 信息W構(gòu)建修正先驗概率密度函數(shù);第二獲取模塊，用于利用修正先驗概率密度函數(shù)作為 第二重要性密度函數(shù)進行粒子濾波W獲取與目標狀態(tài)對應(yīng)的第二均值和第二協(xié)方差值;后 驗概率密度函數(shù)獲取模塊，用于根據(jù)目標狀態(tài)估計權(quán)值分別對第一均值和第二均值、第一 協(xié)方差值和第二協(xié)方差值進行加權(quán)處理W獲取與目標狀態(tài)對應(yīng)的后驗概率密度函數(shù)，完成 粒子濾波過程。
[0026] 為解決上述技術(shù)問題，本發(fā)明采用的又一個技術(shù)方案是:提供一種目標跟蹤方法， 包括:接收觀測數(shù)據(jù)集合;根據(jù)觀測數(shù)據(jù)集合構(gòu)建原始先驗概率密度函數(shù);利用原始先驗概 率密度函數(shù)作為第一重要性密度函數(shù)進行粒子濾波W獲取與目標狀態(tài)對應(yīng)的第一均值和 第一協(xié)方差值;在原始先驗概率密度函數(shù)中，利用截斷理論引入當前觀測信息和目標特性 信息W構(gòu)建修正先驗概率密度函數(shù);利用修正先驗概率密度函數(shù)作為第二重要性密度函數(shù) 進行粒子濾波W獲取與目標狀態(tài)對應(yīng)的第二均值和第二協(xié)方差值;根據(jù)目標狀態(tài)估計權(quán)值 分別對第一均值和第二均值、第一協(xié)方差值和第二協(xié)方差值進行加權(quán)處理W獲取與目標狀 態(tài)對應(yīng)的后驗概率密度函數(shù);利用后驗概率密度函數(shù)對目標狀態(tài)進行估計，W獲取目標狀 態(tài)估計值;輸出目標估計值，W實現(xiàn)對目標的跟蹤。
[0027] 為解決上述技術(shù)問題，本發(fā)明采用的再一個技術(shù)方案是:提供一種目標跟蹤裝置， 包括:觀測數(shù)據(jù)接收模塊，用于接收觀測數(shù)據(jù)集合;原始先驗概率密度函數(shù)構(gòu)建模塊，用于 根據(jù)觀測數(shù)據(jù)集合構(gòu)建原始先驗概率密度函數(shù);第一獲取模塊，用于利用原始先驗概率密 度函數(shù)作為第一重要性密度函數(shù)進行粒子濾波w獲取與目標狀態(tài)對應(yīng)的第一均值和第一 協(xié)方差值;修正先驗概率密度函數(shù)構(gòu)建模塊，用于在原始先驗概率密度函數(shù)中，利用截斷理 論引入當前觀測信息和目標特性信息W構(gòu)建修正先驗概率密度函數(shù);第二獲取模塊，用于 利用修正先驗概率密度函數(shù)作為第二重要性密度函數(shù)進行粒子濾波W獲取與目標狀態(tài)對 應(yīng)的第二均值和第二協(xié)方差值;后驗概率密度函數(shù)獲取模塊，用于根據(jù)目標狀態(tài)估計權(quán)值 分別對第一均值和第二均值、第一協(xié)方差值和第二協(xié)方差值進行加權(quán)處理W獲取與目標狀 態(tài)對應(yīng)的后驗概率密度函數(shù)，完成粒子濾波過程;狀態(tài)估計模塊，用于利用后驗概率密度函 數(shù)對目標狀態(tài)進行估計，W獲取目標狀態(tài)估計值;輸出模塊，用于輸出目標估計值，W實現(xiàn) 對目柄;的跟蹤。
[0028] 本發(fā)明的有益效果是:本發(fā)明的粒子濾波方法、裝置及目標跟蹤方法及裝置利用 原始先驗概率密度函數(shù)作為第一重要性密度函數(shù)和修正先驗概率密度函數(shù)作為第二重要 性密度函數(shù)分別獲取目標狀態(tài)對應(yīng)的均值和協(xié)方差，接著根據(jù)目標狀態(tài)估計權(quán)值分別對兩 個均值和協(xié)方差進行加權(quán)W獲取與所述目標狀態(tài)對應(yīng)的后驗概率密度函數(shù)，從而完成粒子 濾波過程。通過上述方式，本發(fā)明能夠提高粒子濾波的準確性和實時性，從而解決非線性非 高斯環(huán)境下目標機動帶來目標模型不確定情況下的快速目標跟蹤問題。
【附圖說明】
[0029] 圖1是本發(fā)明實施例的輔助截斷粒子濾波方法的流程圖；
[0030] 圖2是圖1中利用原始先驗概率密度函數(shù)作為第一重要性密度函數(shù)進行粒子濾波 W獲取與目標狀態(tài)對應(yīng)的第一均值和第一協(xié)方差值的流程圖；
[0031] 圖3是圖1中在原始先驗概率密度函數(shù)中，利用截斷理論引入當前