專利名稱：一種機動目標跟蹤的分布式多模型估計融合方法
技術領域：
本發(fā)明涉及一種多傳感器分布式機動目標跟蹤方法，適用于各種交通管制、機器人導航以及精確制導等系統(tǒng)中的機動目標定位與預測，屬于智能信息處理技術領域。
背景技術：
隨著現(xiàn)代航空航天技術的發(fā)展，各種飛行器的機動性越來越高。在此背景下，如何提高機動目標的跟蹤性能成為一個重要的問題。近幾十年來，對機動目標跟蹤的研究已經取得豐碩的理論成果，這些成果在彈道導彈防御、戰(zhàn)場監(jiān)視等軍事領域，以及空中交通管制、GPS導航等民用領域都得到了廣泛的應用。機動目標跟蹤的一個主要難點在于目標運動的不確定性。例如目標可能從勻速運動變?yōu)榧铀龠\動，從直線運動變?yōu)檗D彎運動。對跟蹤者來說，被跟蹤目標的準確運動模型是未知的，而當目標運動模型不準確時，跟蹤算法往往不能發(fā)揮其有效性能，嚴重情況下可能產生發(fā)散現(xiàn)象。因此，在不能采用單一、固定的運動模型描述目標運動的情形下，人們提出了機動目標跟蹤的多模型估計方法。多模型估計方法的基本思想是將目標可能的運動模式映射為模型集，集合中的模型代表不同的機動模式，同時使用多個濾波器并行工作，目標狀態(tài)的估計則是各模型濾波器估計的加權融合。目前，對于多模型估計的實現(xiàn)算法主要包括廣義偽貝葉斯(Generalized Pseudo-Bayesian ；GPB)算法和交互式多模型(InteractingMultiple Model ；IMM)算法，其中IMM算法被認為是一種最具費效比的算法，并逐漸成為機動目標跟蹤領域研究的主流估計算法。提高機動目標跟蹤性能的一種有效途徑是綜合運用多個同類或異類傳感器接收量測信息，即多傳感器信息融合系統(tǒng)，其基本原理是通過對觀測到的信息進行合理支配和使用，把在時間和空間上的冗余和互補信息按照某種準則進行組合，以獲取對被跟蹤目標的一致性認識。與單傳感器跟蹤系統(tǒng)相比，多傳感器信息融合系統(tǒng)在解決目標跟蹤、檢測和識別方面有更多優(yōu)勢，如擴展了時空覆蓋范圍、改善了系統(tǒng)可靠性以及增強了系統(tǒng)生存能力等。在信息融合系統(tǒng)結構設計方面，已經提出了集中式、分布式和混合式三種結構。集中式結構由于利用所有傳感器的原始量測數(shù)據(jù)，沒有任何信息的損失，因而融合結果是最優(yōu)的，但是這種結構需要頻帶很寬的數(shù)據(jù)傳輸鏈路以及具有較強處理能力的中心處理器，在工程上較難實現(xiàn)。在分布式結構中，每個傳感器都有自己的處理器，首先對接收到的量測信息進行預處理，然后把中間結果送到中心處理器進行融合處理。分布式結構因對信道容量要求低、系統(tǒng)生命力強并且在工程上易于實現(xiàn)而成為信息融合領域的研究重點?；旌鲜浇Y構是集中式結構和分布式結構的一種綜合，融合中心得到的可能是原始量測信息，也可能是局部處理過的狀態(tài)估計。在使用多傳感器分布式信息融合系統(tǒng)進行機動目標跟蹤時，如何實現(xiàn)中心處理器的多模型估計融合成為跟蹤算法的核心問題之一。目前，對于分布式多模型估計融合，通過構造全局模型的方法，利用單模型分布式融合公式進行融合。另外，目標狀態(tài)估計算法通常采用經典的Kalman濾波技術,然而Kalman濾波需要準確的系統(tǒng)模型和確切已知外部干擾信號的統(tǒng)計特性，這正是機動目標跟蹤過程中所不具備的。

發(fā)明內容
本發(fā)明的目的在于克服現(xiàn)有技術的不足，提出一種新的基于分布式多模型估計融合的機動目標跟蹤方法，系統(tǒng)地利用多傳感器信息進行決策。該方法結合IMM算法和H00濾波技術，無需構造全局模型，具有良好的跟蹤效果和魯棒性，從而滿足實際工程系統(tǒng)的設計
需求本發(fā)明的技術解決方案為首先由各傳感器獲得目標的量測信息并傳送到各自的處理器，其次在局部處理器借助于IMM算法和H00濾波技術得到不同運動模型的目標狀態(tài)估計，然后把局部處理器中對應同一運動模型的目標狀態(tài)估計進行融合，最后對局部融合結果進行全局融合。為達到上述目的，如圖I所示，本發(fā)明的具體實現(xiàn)步驟如下I 建立目標運動模型和量測方程；2.結合IMM算法和H00濾波技術進行當前時刻目標狀態(tài)估計；3.根據(jù)分布式H00濾波融合公式對同一運動模型的目標狀態(tài)估計進行局部融合；4.利用當前時刻獲得的模型概率對局部融合結果完成全局融合。本發(fā)明有以下一些技術特征(I)步驟I所述的建立目標運動模型是指建立描述目標不同運動形式的多個模型，模型之間的切換服從一個離散時間齊次Markov鏈。(2)步驟I所述的建立量測方程是指根據(jù)傳感器的類型建立。(3)步驟2所述的結合IMM算法和H00濾波技術是指在IMM算法的結構中，使用H00濾波技術對當前時刻的目標狀態(tài)進行估計。(4)步驟2所述的H00濾波是為了保證在模型不確定和噪聲統(tǒng)計特性未知時濾波精度不會嚴重惡化。(5)步驟3所述的局部融合是為了避免構造全局模型，減小計算復雜度。(6)步驟4所述的模型概率是指對多個傳感器同一運動模型概率融合后的結果，而后者可以在MM算法中獲得。本發(fā)明與現(xiàn)有技術相比的優(yōu)點在于(I)本發(fā)明無需構造全局模型，提高了跟蹤精度，減小了計算復雜度。(2)本發(fā)明對系統(tǒng)模型不確定性和噪聲非高斯性具有很強的魯棒性，克服了Kalman濾波對模型和噪聲統(tǒng)計特性精確已知的問題，避免了濾波嚴重發(fā)散情況，提高了跟蹤系統(tǒng)的可靠性。


圖I為本發(fā)明針對兩傳感器兩模型的分布式融合結構示意圖；圖2為本發(fā)明方法對機動目標跟蹤效果示意圖；圖3為本發(fā)明與傳統(tǒng)的構造全局模型方法對機動目標跟蹤位置誤差示意圖；圖4為本發(fā)明與傳統(tǒng)的構造全局模型方法對機動目標跟蹤速度誤差示意具體實施例方式參照圖1，本發(fā)明的具體實現(xiàn)過程如下1.建立目標運動模型和量測方程Xk = Fk—'xk—' + Gk_lwk_lZsk =HskXk +Vk式中，xk和Zk分別表不k時刻的目標狀態(tài)向量和量測向量表不第i個目標運動模型的轉移矩陣'HI衰滿s個傳感器的量測矩陣和Vk分別是過程噪聲向量和量測噪聲向量。不失一般性，假設目標運動模型有M個，傳感器數(shù)量為N。2.結合IMM算法和H00濾波技術進行當前時刻目標狀態(tài)估計步驟I :模型條件重初始化模型條件重初始化是在假定第j個模型在當前時刻有效的條件下，與其匹配的濾波器輸入是由上一時刻個濾波器的估計混合而成的。假設k-1時刻第s個傳感器的匹配模型是第i個，其模型概率為/C11M，目標狀態(tài)估計為:，矩陣為#4#—:。I. I混合概率^k-\\k-\ ~ ~
cJ式中，c)= Z % /4、-1為歸一化常數(shù)。
i=lI. 2混合估計xsk%_x = f；
i=\d = i [P^ +- X^1- X=L f ]
i=\步驟2:模型條件濾波模型條件濾波是指在給定重初始化的狀態(tài)估計和協(xié)方差陣的前提下，在獲得新的量測信息后，進行目標狀態(tài)估計更新。2. I狀態(tài)預測P:“+GiMLiGlJ2. 2狀態(tài)更新S-1 =HlP^iHlf + Rlki’uj(ssk]yM U KM Ul]Ukl[(H^f IJUk= ^ ^ + H;k P^ [HI /]式中，Y > 0為H00濾波中的參數(shù)；為H00濾波中的加權矩陣；I為適當維數(shù)的單位矩陣。
步驟3 :模型概率更新3. I計算第s個傳感器接收到的量測信息<與第j個模型匹配的似然函數(shù)
權利要求
1.一種機動目標跟蹤的分布式多模型估計融合方法，其特征在于包括以下步驟 建立目標運動模型和量測方程； 結合IMM算法和H00濾波技術進行當前時刻目標狀態(tài)估計； 根據(jù)分布式H00濾波融合公式對同一運動模型的目標狀態(tài)估計進行局部融合； 利用當前時刻獲得的模型概率對局部融合結果完成全局融合。
2.根據(jù)權利要求I所述的方法，其特征在于，建立多個描述目標運動的模型，模型之間的切換服從一個離散時間齊次Markov鏈。
3.根據(jù)權利要求I所述的方法，其特征在于，所述的量測方程是根據(jù)傳感器類型確定。
4.根據(jù)權利要求I所述的方法，其特征在于，在IMM算法結構中，采用H00濾波技術對當前時刻的目標狀態(tài)進行估計，使得濾波精度在模型不確定和噪聲統(tǒng)計特性未知的情況下不會嚴重惡化。
5.根據(jù)權利要求I所述的方法，其特征在于，所述的局部融合是指利用分布式H00濾波融合公式對不同傳感器對應的同一運動模型濾波結果進行融合，避免了構造全局模型，減小了計算復雜度。
6.根據(jù)權利要求I所述的方法，其特征在于，所述的模型概率是指對多個傳感器同一運動模型概率融合后的結果，而后者可以在IMM算法中獲得。
全文摘要
本發(fā)明提出了一種基于分布式多模型估計融合的機動目標跟蹤方法。該方法首先建立描述目標運動的多個模型和傳感器量測方程，其次利用交互式多模型算法和H∞濾波技術獲得目標狀態(tài)估計，然后根據(jù)分布式H∞濾波融合公式對同一運動模型的目標狀態(tài)估計進行局部融合，最后使用獲得的模型概率對局部融合結果完成全局融合。該方法無需構造全局模型，具有跟蹤效果好，計算復雜度小以及魯棒性強的優(yōu)點。
文檔編號G06F19/00GK102622520SQ20121006700
公開日2012年8月1日 申請日期2012年3月14日 優(yōu)先權日2012年3月14日
發(fā)明者李文玲, 賈英民 申請人:北京航空航天大學