一种鱼类运动状态的模型算法

摘要

本发明公开了一种鱼类运动状态的模型算法，(1)在声学图像中设有T个目标，并表示其状态方程和测量方程；(2)在整个过程中，设定运动模型是多个模型中的一个；(3)分别以二阶匀速模型、三阶匀加速模型和布朗模型三种运动模型来构成模型的状态转移矩阵。本发明交互式多模型算法用于解决被追踪的目标发生机动状态时建立运动模型困难的问题，其一般由两个以上的运动模型交互得到目标状态的估计，用模型的后验概率对滤波器的输入、输出进行加权计算，使得算法中的当前模型尽可能接近金枪鱼的实际运动状况，具有递推性、模块化、固定的运算量突出的优点。

主权项

一种鱼类运动状态的模型算法，其特征在于，过程如下：(1)在声学图像中设有T个目标，其状态方程和测量方程分别表示为$\left\{\begin{array}{c}{X}^t\left(k\right)=F^t(k-1)+W^t(k-1)\\ Z(k-1)=H(k-1)X^t(k-1)+V(k-1)\end{array}\right.$式中：k＝1，2，…；t＝1，2，…，T；其中X^t(k)为k时刻目标t的状态向量初值，X^t(0)是均值为协方差的随机向量，且独立于W^t(k)；F^t(k)为目标t的状态转移矩阵；W^t(k)为状态噪声，其均值为零的高斯白噪声；Z(k)为k时刻目标的测量值；H(k)为测量矩阵；V(k)为测量噪声，其均值为零的高斯白噪声；(2)在整个过程中，运动模型是N个模型中的一个，即鱼类处在N个模式中的某一个，M_i为系统处在模式i的先验概率为P{M_i|Z⁰}＝μ_i(0)ι＝1，2，…，N式中：Z⁰为先验信息，而(₃)分别以CV模型‑M₁、CA模型‑M₂和布朗模型‑M_N三种运动模型来构成模型算法，其状态转移矩阵分别如下：$F^1=\left[\begin{array}{ccccc}1& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 1& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0\end{array}\right],F^2=\left[\begin{array}{ccccc}1& T_s& 0& 0& 0\\ 0& 1& 0& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 1& T_s& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 0\end{array}\right],F^M=\left[\begin{array}{ccccc}1& T_s& \frac{T_s}{2}& 0& 0\\ 0& 1& T_s& 0& 0\\ 0& 0& 0& 0& 0\\ 0& 0& 1& T_s& \frac{T_s}{2}\\ 0& 0& 0& 1& T_s\\ 0& 0& 0& 0& 0\end{array}\right].$