一种目标跟踪方法及扩展截断无迹卡尔曼滤波方法、装置

摘要

本发明公开了一种目标跟踪方法、系统及扩展截断无迹卡尔曼滤波方法、装置，该扩展截断无迹卡尔曼滤波方法包括根据无迹变换获取原始先验概率密度函数；根据原始先验概率密度函数获取第一后验概率密度函数；根据统计线性回归理论以及当前目标观测时刻的目标观测向量修正原始先验概率密度函数，以获取修正先验概率密度函数；根据修正先验概率密度函数获取第二后验概率密度函数；根据原始先验概率密度函数以及第二后验概率密度函数获取联合后验概率密度函数。本发明能够解决观测函数不具有唯一反函数的问题，有效减少目标状态先验分布方差，自适应地根据观测信息的精度进行状态更新，有效提高滤波精度且实用性较高。

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；将预测值代入非线性观测函数，以获取预测值对应的N个观测值其中，h(·)为所述非线性观测函数；获取所述N个观测值的均值${\hat{z}}_{0,k|k-1}=\underset{i=1}{\overset{N}{\Sigma }}{w}_i{z}_{0,k|k-1}^i;$根据所述均值获取对应的新息协方差P_zz,0,k|k‑1以及交叉协方差P_xz,0,k|k‑1；其中，$P_{\mathrm{zz},0,k|k-1}=R_k+\underset{i=1}{\overset{N}{\Sigma }}{w}_i(z_{0,k|k-1}^i-{\hat{z}}_{0,k|k-1}){(z_{0,k|k-1}^i-{\hat{z}}_{0,k|k-1})}^T,$$P_{\mathrm{xz},0,k|k-1}=\underset{i=1}{\overset{N}{\Sigma }}{w}_i({\chi }_{0,k|k-1}^i-{\hat{x}}_{p,0,k|k-1}){(z_{0,k|k-1}^i-{\hat{z}}_{0,k|k-1})}^T,$R_k为观测噪声协方差，w_i为(2n_a+1)个Sigma点χ_i和χ_i对应的权值；根据所述新息协方差P_zz,0,k|k‑1、交叉协方差P_xz,0,k|k‑1以及k时刻目标状态的原始先验概率密度函数获取k时刻目标状态的第一后验概率密度函数对应的均值${\hat{x}}_{u,0,k|k}={\hat{x}}_{p,0,k|k-1}+P_{\mathrm{xz},0,k|k-1}{P}_{\mathrm{zz},0,k|k-1}^{-1}(z_k-{\hat{z}}_{0,k|k-1})$以及协方差$P_{u,0,k|k}=P_{p,0,k|k-1}-P_{\mathrm{xz},0,k|k-1}{P}_{\mathrm{zz},0,k|k-1}^{-1}{P}_{\mathrm{xz},0,k|k-1}^T;$其中，z_k为k时刻的目标观测向量，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。