專利名稱：當前統(tǒng)計模型的概率假設密度粒子濾波器的設計及濾波器的制作方法
技術領域：
本發(fā)明涉及粒子濾波器的設計方法及硬件電路，尤其是涉及一種當前統(tǒng)計模型的概率假設密度粒子濾波器的設計及濾波器。
背景技術：
機動目標跟蹤是指利用測量設備得到的目標測量信息，通過建立合理準確的目標運動模型，使用隨機過程、估計與檢測理論、濾波算法等現(xiàn)代信號處理技術，對機動目標的運動狀態(tài)(位置、速度、加速度等)進行估計和檢測。經(jīng)過幾十年的研究發(fā)展，機動目標跟蹤已經(jīng)在軍事和國民經(jīng)濟上都得到了廣泛的應用，如軍事上的精確制導、反彈道導彈防御、衛(wèi)星偵察等方面，民用上的民航飛機的空中交通管制、機器人定位、汽車防撞和導航系統(tǒng)等方面。由于目標機動的復雜性、隨機性和多樣性，對機動目標的可靠精確跟蹤一直是國際上的研究難點和熱點，國內(nèi)外眾多學者都致力于研究滿足實時性和精度要求的有效機動目標跟蹤方法。粒子濾波作為一種基于貝葉斯估計的非線性濾波算法，在處理非線性運動目標跟蹤問題方面有獨到的優(yōu)勢。但粒子濾波的框架中并沒有包含數(shù)據(jù)關聯(lián)的機制，當對多個目標進行跟蹤，目標數(shù)發(fā)生變化或目標相互遮擋時，會出現(xiàn)跟蹤目標的丟失。此外，多個目標之間的干擾也會影響跟蹤的準確性。而近年來提出的概率假設密度算法用于跟蹤多目標，不僅不需要做數(shù)據(jù)關聯(lián)，而且可以跟蹤目標數(shù)目不定的多個目標。它傳遞多目標聯(lián)合后驗概率分布的一階矩，在保證跟蹤精度的同時，極大地減少了計算量。在應用粒子濾波進行多目標跟蹤的基礎上，將粒子濾波和概率假設密度相結(jié)合來處理多目標跟蹤問題的技術框架，為解決雜波環(huán)境下多目標跟蹤的問題提供了一個很好的方法。
對于目標機動問題，在建立機動目標模型時，一般的原則是所建立的模型既要符合機動實際，又要便于數(shù)學處理，其中，由我國周宏仁博士提出的當前統(tǒng)計模型的優(yōu)點在于，當目標正以某一加速度進行機動時，下一時刻的加速度取值是有限制的，即只能在“當前” 加速度的領域內(nèi)取值，無需考慮所有可能的機動加速度值。其實質(zhì)是自適應調(diào)整均值的 Singer模型，目標機動加速度的當前概率密度用修正的瑞利分布表示，該算法跟蹤精度高， 實時性好。
由于粒子濾波與概率假設密度相結(jié)合在硬件上的可實現(xiàn)性，和當前統(tǒng)計模型對跟蹤機動目標能達到較好的性能，因此，將概率假設密度粒子濾波器和當前統(tǒng)計模型方法應用到實際的多機動目標跟蹤，將會有很大的現(xiàn)實意義，這也使得研究將算法轉(zhuǎn)化成硬件電路實現(xiàn)成為需要。

發(fā)明內(nèi)容
為了研究將當前統(tǒng)計模型和概率假設密度粒子濾波器同時應用于多機動目標跟蹤，本發(fā)明的目的在于提供一種當前統(tǒng)計模型的概率假設密度粒子濾波器的設計及濾波
本發(fā)明采用的技術方案是
一、一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器的設計方法
1)在預測電路中，為了跟蹤機動多目標，采用當前統(tǒng)計模型對目標的后驗概率分布進行采樣得到粒子分布；
2)對于每一個觀測值，所有粒子都需要參與一個觀測值處理電路。由于選取的觀測值過多會帶來時延從而影響實時性，所以綜合考慮性能和實時性，選擇使用m個觀測值參與更新電路的運算，其中機動多目標的最大數(shù)為n，雜波數(shù)目通過泊松過程產(chǎn)生，均值為p，以小概率事件計算，雜波的最大數(shù)目為m - n，所用到的觀測值處理電路小于等于m ；
3)考慮到系統(tǒng)重采樣算法必須在獲得所有粒子的權值及其權值之和才開始運行，不利于流水運行，從而影響實時性，因此考慮選擇固定的閾值T，使用簡化重采樣算法，在獲得粒子及其權值時即刻開始運行重采樣操作，而無需等待所有粒子的生成，且易于并行實現(xiàn)；
4)在狀態(tài)估計電路中，需要計算機動目標當前加速度均值，并將其返回到預測電路， 用于下一時刻利用當前統(tǒng)計模型對目標的后驗概率分布進行采樣；
5)濾波器使用粒子來表征目標的后驗概率分布，由于粒子濾波器的性能和粒子的數(shù)目成正比，但是在硬件電路中，粒子數(shù)目過多會帶來延時從而影響實時性，所以綜合考慮性能和實時性，選擇使用IOM個粒子用于存活粒子，另外IOM個粒子用于新生粒子；
6)在濾波器設計方法中，估計目標的狀態(tài)值需要用到聚類算法，這一步驟將使用軟件計算或者DSP處理，硬件電路不做具體處理。二、一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器
一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器包括預測電路、更新電路、重采樣電路和狀態(tài)估計電路；其觀測值接更新電路的第一輸入端，預測電路的第一輸入端接狀態(tài)估計電路的第一輸出端，預測電路的輸出端接更新電路的第二輸入端，更新電路的輸出端接重采樣電路的輸入端，重采樣電路的第一輸出端接預測電路的第二輸入端，重采樣電路的第二輸出端接狀態(tài)估計電路的輸入端。所述的預測電路，包括第一計數(shù)器，第二計數(shù)器，粒子序號存儲器，粒子狀態(tài)存儲器，采樣電路，狀態(tài)估計電路，選擇器，新生粒子生成器；第一計數(shù)器的輸出端接粒子序號存儲器的第一輸入端，第二計數(shù)器的輸出端接粒子序號存儲器的第二輸入端，粒子序號存儲器的第一輸出端接粒子狀態(tài)存儲器的第一輸入端，粒子序號存儲器的第二輸出端接粒子狀態(tài)存儲器的第二輸入端，粒子狀態(tài)存儲器的輸出端接采樣電路的第一輸入端，狀態(tài)估計電路的輸出端接采樣電路的第二輸入端，采樣電路的輸出端接選擇器的第一輸入端，新生粒子生成器接選擇器的第二輸入端，新生粒子信號接選擇器的第三輸入端，選擇器的輸出端接粒子狀態(tài)存儲器的第三輸入端。所述的更新電路，包括結(jié)構(gòu)相同的m個觀測值處理電路，加法運算電路和權重更新計算電路；其中，每個觀測值處理電路包括似然函數(shù)計算電路，第一乘法器，RAM，第一加法器、累加器、第二加法器、倒數(shù)計算電路和第二乘法器；加法運算電路包括第三加法器； 權重更新計算電路包括第四加法器和第三乘法器；觀測值接更新電路的m個觀測值處理電路的輸入端，每個觀測值分別連接到各自對應的似然函數(shù)計算電路的輸入端，似然函數(shù)計算電路的輸出端連接第一乘法器的第一輸入端，第一乘法器的第二輸入端連接檢測到概率，第一乘法器的輸出端接RAM的輸入端和第一加法器的第一輸入端，RAM的輸出端連
接第二乘法器的第一輸入端，第一加法器的第二輸入端連接預測權重，第一加法器的輸出端連接累加器的輸入端，累加器的輸出端連接第二加法器的第一輸入端，第二加法器的第
二輸入端連接雜波密度&(20 ,第二加法器的輸出連接倒數(shù)計算電路的輸入端，倒數(shù)計算電
路的輸出端連接乘法器的第二輸入端，乘法器的輸出端連接第三加法器的輸入端，第三加法器的輸出端連接第四加法器的第一輸入端，第四加法器的第二輸入端連接未檢測到概率
第四加法器的輸出端連接第三乘法器的第一輸入端，第三乘法器的第二輸入端連
接預測權重。所述的重采樣電路，包括第一計數(shù)器，粒子權值存儲器，比較器，第二計數(shù)器，第三計數(shù)器，選擇器，粒子序號存儲器；第一計數(shù)器的輸出端接粒子權值存儲器的輸入端和粒子序號存儲器的第一輸入端，粒子權值存儲器的輸出端接比較器的第一輸入端，閾值T接比較器的第二輸入端，比較器的第一輸出端接第二計數(shù)器的輸入端，第二計數(shù)器的輸出端接選擇器的第一輸入端，比較器的第二輸出端接第三計數(shù)器的輸入端，第三計數(shù)器的輸出端接選擇器的第二輸入端，選擇器的輸出端接粒子序號存儲器的第二輸入端。本發(fā)明與背景技術相比，具有的有益效果是
本發(fā)明在一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器的理論基礎上，設計了它的濾波器實現(xiàn)方案，仿真結(jié)果表明，此概率假設密度粒子濾波器的設計方法及濾波器的跟蹤性能和理論分析相近，能夠用于跟蹤雜波環(huán)境下的多機動目標跟蹤的問題。


圖1是本發(fā)明的結(jié)構(gòu)原理框圖。圖2是圖1的預測電路原理框圖。圖3是圖1的更新電路原理框圖。圖4是圖1的重采樣電路原理框圖。圖5是設計方法軟件仿真和濾波器的性能比較圖。圖中1、觀測值，2、預測電路，3、更新電路，4、重采樣電路，5、狀態(tài)估計電路，21、粒子狀態(tài)存儲器，22、采樣電路，23、選擇器，24、新生粒子生成器，3A、觀測值處理電路，3B、加法運算電路、3C、權重更新計算電路，31、似然函數(shù)計算電路，32、第一乘法器，33、RAM，34、 第一加法器，35、累加器，36、第二加法器，37、倒數(shù)計算電路，38、第二乘法器，3B1、第三加法器，3C1、第四加法器，3C2、第三乘法器，41、第一計數(shù)器，42、粒子權值存儲器，43、比較器， 44、第二計數(shù)器，45、第三計數(shù)器，46、選擇器，47、粒子序號存儲器，48、第一計數(shù)器，49、第二計數(shù)器。
具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明作進一步說明。如圖1所示，本發(fā)明包括預測電路2，更新電路3，重采樣電路4，狀態(tài)估計電路5 ； 觀測值1接更新電路3的第一輸入端，預測電路2的第一輸入端接狀態(tài)估計電路5的第一輸出端，預測電路2的輸出端接更新電路3的第二輸入端，更新電路3的輸出端接重采樣電路4的輸入端，重采樣電路4的第一輸出端接預測電路2的第二輸入端，重采樣電路4的第二輸出端接狀態(tài)估計電路5的輸入端。如圖2所示，所述的預測電路2，包括第一計數(shù)器48，第二計數(shù)器49，粒子序號存儲器47，粒子狀態(tài)存儲器21，采樣電路22，狀態(tài)估計電路5，選擇器23，新生粒子生成器M ’第一計數(shù)器48的輸出端接粒子序號存儲器47的第一輸入端，第二計數(shù)器49的輸出端接粒子序號存儲器47的第二輸入端，粒子序號存儲器47的第一輸出端接粒子狀態(tài)存儲器21的第一輸入端，粒子序號存儲器47的第二輸出端接粒子狀態(tài)存儲器21的第二輸入端，粒子狀態(tài)存儲器21的輸出端接采樣電路22的第一輸入端，狀態(tài)估計電路5的輸出端接采樣電路22 的第二輸入端，采樣電路22的輸出端接選擇器23的第一輸入端，新生粒子生成器M接選擇器23的第二輸入端，新生粒子信號接選擇器23的第三輸入端，選擇器23的輸出端接粒子狀態(tài)存儲器21的第三輸入端。表1第一計數(shù)器48的計數(shù)方式
權利要求
1.一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器的設計方法，其特征在于1)在預測電路中，為了跟蹤機動多目標，采用當前統(tǒng)計模型對目標的后驗概率分布進行采樣得到粒子分布；2)對于每一個觀測值，所有粒子都需要參與一個觀測值處理電路；由于選取的觀測值過多會帶來時延從而影響實時性，所以綜合考慮性能和實時性，選擇使用m個觀測值參與更新電路的運算，其中機動多目標的最大數(shù)為n，雜波數(shù)目通過泊松過程產(chǎn)生，均值為p，以小概率事件計算，雜波的最大數(shù)目為m - n，所用到的觀測值處理電路小于等于m ；3)考慮到系統(tǒng)重采樣算法必須在獲得所有粒子的權值及其權值之和才開始運行， 不利于流水運行，從而影響實時性，因此考慮選擇固定的閾值，使用簡化重采樣算法，在獲得粒子及其權值時即刻開始運行重采樣操作，而無需等待所有粒子的生成，且易于并行實現(xiàn)；4)在狀態(tài)估計電路中，需要計算機動目標當前加速度均值，并將其返回到預測電路， 用于下一時刻利用當前統(tǒng)計模型對目標的后驗概率分布進行采樣；5)濾波器使用粒子來表征目標的后驗概率分布，由于粒子濾波器的性能和粒子的數(shù)目成正比，但是在硬件電路中，粒子數(shù)目過多會帶來延時從而影響實時性，所以綜合考慮性能和實時性，選擇使用IOM個粒子用于存活粒子，另外IOM個粒子用于新生粒子；6)在濾波器設計方法中，估計目標的狀態(tài)值需要用到聚類算法，這一步驟將使用軟件計算或者DSP處理，硬件電路不做具體處理。
2.根據(jù)權利要求1所述方法的一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器，其特征在于包括預測電路(2)、更新電路(3)、重采樣電路(4)和狀態(tài)估計電路(5);觀測值 (1)接更新電路(3)的第一輸入端，預測電路(2)的第一輸入端接狀態(tài)估計電路(5)的第一輸出端，預測電路(2)的輸出端接更新電路(3)的第二輸入端，更新電路(3)的輸出端接重采樣電路(4)的輸入端，重采樣電路(4)的第一輸出端接預測電路(2)的第二輸入端，重采樣電路(4)的第二輸出端接狀態(tài)估計電路(5)的輸入端。
3.根據(jù)權利要求2所述的一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器，其特征在于所述的預測電路(2)，包括第一計數(shù)器(48)，第二計數(shù)器(49)，粒子序號存儲器(47)， 粒子狀態(tài)存儲器(21)，采樣電路(22)，狀態(tài)估計電路(5)，選擇器(23)，新生粒子生成器 (24)；第一計數(shù)器(48)的輸出端接粒子序號存儲器(47)的第一輸入端，第二計數(shù)器(49) 的輸出端接粒子序號存儲器(47)的第二輸入端，粒子序號存儲器(47)的第一輸出端接粒子狀態(tài)存儲器(21)的第一輸入端，粒子序號存儲器(47)的第二輸出端接粒子狀態(tài)存儲器 (21)的第二輸入端，粒子狀態(tài)存儲器(21)的輸出端接采樣電路(22)的第一輸入端，狀態(tài)估計電路(5)的輸出端接采樣電路(22)的第二輸入端，采樣電路(22)的輸出端接選擇器(23) 的第一輸入端，新生粒子生成器(24)接選擇器(23)的第二輸入端，新生粒子信號接選擇器 (23)的第三輸入端，選擇器(23)的輸出端接粒子狀態(tài)存儲器(21)的第三輸入端。
4.根據(jù)權利要求2所述的一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器，其特征在于所述的更新電路(3)，包括結(jié)構(gòu)相同的m個觀測值處理電路(3A)，加法運算電路(3B) 和權重更新計算電路(3C)；其中每個觀測值處理電路(3A)包括似然函數(shù)計算電路(31)， 第一乘法器(32)，RAM (33)，第一加法器(34)、累加器(35)、第二加法器(36)、倒數(shù)計算電路(37)和第二乘法器(38)；加法運算電路(3B)包括第三加法器(3B1)；權重更新計算電路(3C)包括第四加法器(3C1)和第三乘法器(3C2)；觀測值(1)接更新電路(3)的m個觀測值處理電路(3A)的輸入端，每個觀測值分別連接到各自對應的似然函數(shù)計算電路(31)的輸入端，似然函數(shù)計算電路(31)的輸出端連接第一乘法器(32)的第一輸入端，第一乘法器(32)的第二輸入端連接檢測到概率，第一乘法器(32)的輸出端接RAM (33)的輸入端和第一加法器(34)的第一輸入端，RAM (33)的輸出端連接第二乘法器(38)的第一輸入端， 第一加法器(34)的第二輸入端連接預測權重，第一加法器(34)的輸出端連接累加器(35) 的輸入端，累加器(35)的輸出端連接第二加法器(36)的第一輸入端，第二加法器(36)的第二輸入端連接雜波密度&(力，第二加法器(36)的輸出連接倒數(shù)計算電路(37)的輸入端，倒數(shù)計算電路(37)的輸出端連接乘法器(38)的第二輸入端，乘法器(38)的輸出端連接第三加法器(3B1)的輸入端，第三加法器(3B1)的輸出端連接第四加法器(3C1)的第一輸入端，第四加法器(3C1)的第二輸入端連接未檢測到概率Wfi),第四加法器(3C1)的輸出端連接第三乘法器(3C2)的第一輸入端，第三乘法器(3C2)的第二輸入端連接預測權重。
5.根據(jù)權利要求2所述的一種基于當前統(tǒng)計模型的概率假設密度粒子濾波器，其特征在于所述的重采樣電路(4)，包括第一計數(shù)器(41)，粒子權值存儲器(42)，比較器(43)，第二計數(shù)器(44)，第三計數(shù)器(45)，選擇器(46)，粒子序號存儲器(47);第一計數(shù)器(41)的輸出端接粒子權值存儲器(42)的輸入端和粒子序號存儲器(47)的第一輸入端，粒子權值存儲器(42)的輸出端接比較器(43)的第一輸入端，閾值T接比較器(43)的第二輸入端，比較器(43)的第一輸出端接第二計數(shù)器(44)的輸入端，第二計數(shù)器(44)的輸出端接選擇器 (46)的第一輸入端，比較器(43)的第二輸出端接第三計數(shù)器(45)的輸入端，第三計數(shù)器 (45)的輸出端接選擇器(46)的第二輸入端，選擇器(46)的輸出端接粒子序號存儲器(47) 的第二輸入端。
全文摘要
本發(fā)明公開了一種當前統(tǒng)計模型的概率假設密度粒子濾波器的設計及濾波器。其觀測值接更新電路的第一輸入端，預測電路的第一輸入端接狀態(tài)估計電路的第一輸出端，預測電路的輸出端接更新電路的第二輸入端，更新電路的輸出端接重采樣電路的輸入端，重采樣電路的第一輸出端接預測電路的第二輸入端，重采樣電路的第二輸出端接狀態(tài)估計電路的輸入端。本發(fā)明在基于當前統(tǒng)計模型的概率假設密度粒子濾波器的理論基礎上，設計了它的硬件電路實現(xiàn)方案，仿真結(jié)果表明，其跟蹤性能和理論分析相近，能夠用于跟蹤雜波環(huán)境下的機動多目標運動的問題。
文檔編號H03H7/01GK102307041SQ20111010995
公開日2012年1月4日 申請日期2011年4月29日 優(yōu)先權日2011年4月29日
發(fā)明者史治國, 洪少華, 鄭云美, 金夢珺, 陳積明 申請人:浙江大學