主权项 |
一种目标跟踪方法,其特征在于,包括:对目标进行感测以获得当前目标观测时刻的目标观测向量;根据无迹变换获取当前目标观测时刻目标状态的原始先验概率密度函数;将预测值<img file="FDA0000740640130000011.GIF" wi="207" he="94" />代入非线性观测函数,以获取预测值<img file="FDA0000740640130000012.GIF" wi="206" he="98" />对应的N个观测值<img file="FDA0000740640130000016.GIF" wi="229" he="94" />其中,<img file="FDA0000740640130000017.GIF" wi="408" he="93" />h(·)为所述非线性观测函数;获取所述N个观测值<img file="FDA0000740640130000019.GIF" wi="197" he="81" />的均值<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mover><mi>z</mi><mo>^</mo></mover><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>w</mi><mi>i</mi></msub><msubsup><mi>z</mi><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>;</mo></mrow>]]></math><img file="FDA0000740640130000013.GIF" wi="429" he="161" /></maths>根据所述均值<img file="FDA0000740640130000018.GIF" wi="129" he="77" />获取对应的新息协方差P<sub>zz,0,k|k‑1</sub>以及交叉协方差P<sub>xz,0,k|k‑1</sub>;其中,<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>P</mi><mrow><mi>zz</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>R</mi><mi>k</mi></msub><mo>+</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>w</mi><mi>i</mi></msub><mrow><mo>(</mo><msubsup><mi>z</mi><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>-</mo><msub><mover><mi>z</mi><mo>^</mo></mover><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow><msup><mrow><mo>(</mo><msubsup><mi>z</mi><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>-</mo><msub><mover><mi>z</mi><mo>^</mo></mover><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow><mi>T</mi></msup><mo>,</mo></mrow>]]></math><img file="FDA0000740640130000014.GIF" wi="1152" he="156" /></maths><maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msub><mi>P</mi><mrow><mi>xz</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>w</mi><mi>i</mi></msub><mrow><mo>(</mo><msubsup><mi>χ</mi><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>-</mo><msub><mover><mi>x</mi><mo>^</mo></mover><mrow><mi>p</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow><msup><mrow><mo>(</mo><msubsup><mi>z</mi><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>i</mi></msubsup><mo>-</mo><msub><mover><mi>z</mi><mo>^</mo></mover><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow><mi>T</mi></msup><mo>,</mo></mrow>]]></math><img file="FDA0000740640130000015.GIF" wi="1052" he="148" /></maths>R<sub>k</sub>为观测噪声协方差,w<sub>i</sub>为(2n<sub>a</sub>+1)个Sigma点χ<sub>i</sub>和χ<sub>i</sub>对应的权值;根据所述新息协方差P<sub>zz,0,k|k‑1</sub>、交叉协方差P<sub>xz,0,k|k‑1</sub>以及k时刻目标状态的原始先验概率密度函数获取k时刻目标状态的第一后验概率密度函数对应的均值<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mover><mi>x</mi><mo>^</mo></mover><mrow><mi>u</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi></mrow></msub><mo>=</mo><msub><mover><mi>x</mi><mo>^</mo></mover><mrow><mi>p</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>+</mo><msub><mi>P</mi><mrow><mi>xz</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><msubsup><mi>P</mi><mrow><mi>zz</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msubsup><mrow><mo>(</mo><msub><mi>z</mi><mi>k</mi></msub><mo>-</mo><msub><mover><mi>z</mi><mo>^</mo></mover><mrow><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>)</mo></mrow></mrow>]]></math><img file="FDA00007406401300000110.GIF" wi="924" he="81" /></maths>以及协方差<maths num="0005" id="cmaths0005"><math><![CDATA[<mrow><msub><mi>P</mi><mrow><mi>u</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi></mrow></msub><mo>=</mo><msub><mi>P</mi><mrow><mi>p</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><mo>-</mo><msub><mi>P</mi><mrow><mi>xz</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msub><msubsup><mi>P</mi><mrow><mi>zz</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mrow><mo>-</mo><mn>1</mn></mrow></msubsup><msubsup><mi>P</mi><mrow><mi>xz</mi><mo>,</mo><mn>0</mn><mo>,</mo><mi>k</mi><mo>|</mo><mi>k</mi><mo>-</mo><mn>1</mn></mrow><mi>T</mi></msubsup><mo>;</mo></mrow>]]></math><img file="FDA00007406401300000111.GIF" wi="860" he="81" /></maths>其中,z<sub>k</sub>为k时刻的目标观测向量,<img file="FDA00007406401300000112.GIF" wi="152" he="75" />为k时刻目标状态的原始先验概率密度函数对应的均值;根据统计线性回归理论以及所述当前目标观测时刻的目标观测向量修正所述原始先验概率密度函数,以获取修正先验概率密度函数;根据所述修正先验概率密度函数获取当前目标观测时刻目标状态的第二后验概率密度函数;根据所述第一后验概率密度函数以及第二后验概率密度函数获取当前目标观测时刻目标状态的联合后验概率密度函数;利用所述目标状态的联合后验概率密度函数对目标状态进行估计,以获得当前目标观测时刻的目标状态估计值;输出所述当前目标观测时刻的目标状态估计值,以实现对目标的跟踪。 |