专利名称：一种基于航迹质量的反馈加权融合方法
技术领域：
本发明涉及目标跟踪技术领域，尤其涉及一种基于航迹质量的反馈加权融合方法。
背景技术：
如何实现对目标的精确跟踪，是各个领域所关注的重要问题之一。随着信息融合技术的发展，利用多传感器实现对目标的融合跟踪，引起了研究人员们的广泛兴趣。信息融合是ー门信息综合处理技术，即充分利用多传感器或多源 数据的互补性和冗余性提高数据质量，达到对目标跟踪问题的可靠解決。由此，人们相继提出了一系列的航迹融合算法实现对目标的精确跟踪。目前已有的融合算法有简单方差凸组合算法、基于分步式滤波的航迹融合算法和加权融合等。其中，简单方差凸组合算法是最早提出的估计融合算法，该算法是在假设各局部状态估计误差统计独立的情况下实现的，计算比较简单；基于分步式滤波的航迹融合算法，结构相对复杂，计算量较大，但融合效果较好。相较于以上算法，加权融合算法，简单易实现，具有最优性、无偏性、均方误差最小等优点而被受到普遍重视。加权航迹融合算法是ー种常见的分布式航迹融合算法，加权融合算法的关键在于权因子的确定，已有的算法中大部分利用多传感器的測量方差制定权因子。而权因子又与各传感器的測量方差成反比。这说明权因子的确定与各传感器測量方差的估计有夫。然而，測量方差大多是通过传感器自身的方差參数指定或凭经验确定，没有考虑环境干扰等因素。使用这种方法确定的測量方差并不能反映实际测量的不确定性。因此，在实际应用中加权融合的效果并未达到最优。在多传感器系统中，权因子分配对融合效果的影响十分明显。若分配得当，则融合效果优异；反之，会导致系统跟踪精度和可靠性下降。因此，如何合理分配权因子，实现多传感器对同一目标观测信息的有效融合是ー个需要深入研究的课题。
发明内容
为了克服现有技术的上述缺点，本发明将航迹质量和�：劾喾椒ㄓ糜诙啻衅餍畔⑷诤希岢隽艘恢质凳�、动态的反馈加权航迹融合方法，将上ー时刻融合航迹的ー步预测值反馈到各局部传感器，局部传感器基于此反馈信息得到各局部航迹质量，进ー步更新各局部航迹的权因子。本发明解决其技术问题所采用的技术方案是一种基于航迹质量的反馈加权融合方法，包括如下步骤步骤一、将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器；步骤ニ、分配权因子；步骤三、交互式多模型滤波；步骤四、对航迹进行加权融合、交互式多模型滤波，得到系统航迹。
步骤ニ所述的分配权因子包括如下步骤(I)利用步骤ー的结果，求取k+i时刻第i个传感器的第j个模型状态基于k时刻融合航迹的第j个模型状态ー步预测的新息及其协方差；(2)求取相应的标准化距离函数；(3)求取k+Ι时刻第i个传感器在第j个模型中的航迹质量；(4)求取k+Ι时刻第i个传感器的观测航迹质量；(5)求取k+Ι时刻第i个传感器观测航迹质量的測量度；(6)求取相应的权因子。与现有技术相比，本发明的积极效果是利用航迹质量和�：劾喾椒ㄈ范尤� 因子，集成了所有传感器的测量误差和性能，不仅计算量�。子诠こ淌迪郑夷芄辉谌诤现行氖凳�、动态地更新权因子，有效地实现目标跟踪。与单传感器局部状态估计相比，本发明方法具有良好的跟踪精度，特别是在目标机动环境中，跟踪效果尤为突出。
本发明将通过例子并參照附图的方式说明，其中图I是本发明方法的流程图；图2是权因子分配的原理图。
具体实施例方式如图I所示，本发明方法首先将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器。基于此反馈信息，对传感器观测航迹质量进行更新，从而进一歩更新局部航迹的权因子，实现加权融合；然后通过滤波器对融合航迹进行平滑滤波，获得数据在时间上的相关性和平滑性，提高融合精度。本发明方法的具体步骤如下假设多传感器系统的动态方程和量测方程分别为Xj (k+1) =Fj (k)Xj (k) +wJ (k)，Z (k) =Hj (k)Xj (k) +vJ (k)，j=l, 2，…，N，式中，N为模型数目，X^k)为模型j下的状态向量，第户(k)为模型j下k时刻到k+Ι时刻的一歩状态转移矩阵，系统过程噪声W(k)为高斯白噪声序列，且E [wJ (k) ] =0, Cov(m^ {k),wJ (/)) = ￡'p (k)wjI (/)] = Qj(k)Sk! ^ φ, Qj (k)为非负定矩阵，
Z(k)为传感器对目标状态的观测值，tf(k)为测量矩阵，量测噪声W (k)是高斯白噪声序列，且E [vJ (k) ] =0, Cov(vJ (k),vJ {1)) = E vJ (k)vjT [I) = ⑷各,其中，Ri (k)为正定矩阵。系统
过程噪声和测量噪声相互独立，即满足Cov(wJ (k), vJ (I)) = O I = 1，2，…，k,...。设用M个传感器对目标进行融合跟踪。步骤一、将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器对k时刻系统航迹的第j (j=l，2，…，N)个模型状态的ー步预测，得到k+Ι时刻系统航迹的第j个模型的状态向量为勾(を+#)= ”(り為( )，其中お沖)是k时刻系统航迹的第j个模型的状态估计；从而可以得到从k到k+Ι时刻系统航迹的第j个模型的预测误差协方差为
Pj (k+11 k) =Fj (k)Pj (k I k)Fj (k)T+QJ (k)，其中，Pj (k | k)分别是 k 时刻系统航迹的第j个模型的误差协方差；步骤ニ、分配权因子局部航迹质量决定了系统航迹质量，如果局部航迹质量较差，那么融合后的系统航迹质量也不会太高。如图2所示，带反馈信息的航迹融合算法中确定加权因子的基本思想是，首先在融合中心对k时刻全局状态估计值进行一步预测并将其反馈给局部传感器 ，局部传感器根据该反馈信息建立局部航迹质量，然后利用每个传感器的航迹质量确定相应的加权因子Wi, (i = I, 2，…，N),具体步骤如下设采用M个传感器、N个模型的滤波算法对目标进行融合跟踪由于观测航迹的前三个点的状态值用来初始化交互式多模型滤波器，故在k = 3吋，开始计算权因子，下面进行详细介绍。(I)利用步骤ー的结果,求取从k到k+Ι时刻融合航迹第j (j=l，2, *··,Ν)个模型状态ー步预测的新息及其协方差；由于k时刻系统航迹的第j (j = I, 2，…，N)个模型状态的一歩预测值及其协方差分别为右(た+1|た)和Pj (k+i |k), PJI)按如下公式求取从k到k+Ι时刻融合航迹第j个模型状态ー步预测的新息为VJ(k + l) = Z {k+l)-Hj(k + l)mk + l\k)Z (k+1)是 k+1 时刻传感器的观测值；2)按如下公式求取从k到k+Ι时刻融合航迹第j个模型状态ー步预测新息协方差为Sj (k+1) =Hj (k+1) Pj (k+11 k) HJ(k+l)T+R(k)；(2)求取相应的标准化距离函数dJ (k+1) =Vj (k+1) tSj (k+1) ^1Vj (k+1)(3)求取k+1时刻传感器第j个模型的航迹质量uJ (k+1) = a uJ (k) + (I- α ) dJ (k+1)这里，α为历史权因子，它的取值范围为O到I。历史权因子α对跟踪性能影响不大；重复(I)到(3)可以求出k+1 (k=4, 5，…)时刻第i (i = l，2,..，M)个传感器的第j (j = I, 2，…，N)个模型的航迹质量"/ (を+1);当k+l=4时刻,第i个传感器在第j个模型中的航迹质量为"/(4)=ゴ/(4);(4)求取k+Ι时刻第i个传感器的观测航迹质量U^k+l) = ^ (k + l)Pf (k + l)，式中，j^k + l^ k+1时刻第i个传感器的第j个模型
概率，可按照交互式多模型(IMM，Interacting Multiple Model)算法中的方式对模型概率P/(ゑ+ :!)进行实时更新；(5)求取k+Ι时刻第i个传感器观测航迹质量Ui (k+Ι)的测量度hj (k+1) =exp (-Ui (k+1)}(6)求取相应的权因子
叫び-+1) = h, {k + l)/パk +1)步骤三、交互式多模型滤波为了适应目标机动性，获得较精确的局部估计信息，选用具有Markov切換系数的交互式多模型(IMM，Interacting Multiple Model)滤波算法。IMM算法不需要机动检测，是ー种自适应跟踪算法。采用多模型算法是为了适应目标的机动变化，针对不同的运动状态建立相应的模型滤波器。其实质是对多个単独模型跟踪的估计值加权求和，得到组合状态估计。其中，不同模型之间的转移服从已知转移概率的有限态马尔可夫链，然后考虑模型间的交互作用进行状态和误差协方差的加权，最終得到目标的状态估计。IMM滤波器的总输出是多个滤波器滤波结果的加权平均值，权重即模型概率。起主导作用的模型概率较高，接近于O. 9到I之间，而其他的模型概率较低，小于O. I而接近于
O。此外，其跟踪性能在很大程度上依赖于所使用的模型集及模型转移概率。 步骤四、对航迹进行加权融合、交互式多模型滤波，得到系统航迹( I)求取加权融合航迹Λγ,^+1)= Σ ,(Α+ )1,(^+ )其中，#り是第i个传感器的局部跟踪状态向量;(2)对加权融合航迹為《(た+1)进行交互式多模型滤波(MM滤波)，得到系统航迹
If (た+1)
权利要求
1.一种基于航迹质量的反馈加权融合方法，其特征在于包括如下步骤 步骤一、将融合中心前一时刻的融合状态进行一步预测，并反馈到各局部传感器； 步骤二、分配权因子； 步骤三、交互式多模型滤波； 步骤四、对航迹进行加权融合、交互式多模型滤波，得到系统航迹。
2.根据权利要求I所述的一种基于航迹质量的反馈加权融合方法，其特征在于步骤二所述的分配权因子包括如下步骤 (1)利用步骤一的结果，求取从k到k+Ι时刻融合航迹第j个模型状态一步预测的新息及其协方差； (2)求取相应的标准化距离函数； (3)求取k+Ι时刻传感器第j个模型的航迹质量； (4)求取k+Ι时刻第i个传感器的观测航迹质量； (5)求取k+Ι时刻第i个传感器观测航迹质量的测量度； (6)求取相应的权因子。
全文摘要
本发明公开了一种基于航迹质量的反馈加权融合方法，将航迹质量和�：劾喾椒ㄓ糜诙啻衅餍畔⑷诤希岢隽艘恢质凳�、动态的反馈加权航迹融合方法，将上一时刻融合航迹的一步预测值反馈到各局部传感器，局部传感器基于此反馈信息得到各局部航迹质量，进一步更新各局部航迹的权因子。本发明的积极效果是利用航迹质量和�：劾喾椒ㄈ范尤ㄒ蜃樱闪怂写衅鞯牟饬课蟛詈托阅埽唤黾扑懔啃。子诠こ淌迪郑夷芄辉谌诤现行氖凳�、动态地更新权因子，有效地实现目标跟踪。与单传感器局部状态估计相比，本发明方法具有良好的跟踪精度，特别是在目标机动环境中，跟踪效果尤为突出。
文档编号G01C21/20GK102853836SQ20121033086
公开日2013年1月2日 申请日期2012年9月10日 优先权日2012年9月10日
发明者张可, 王泽阳, 张伟, 曾庆瑾, 陈龙 申请人:电子科技大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
