一種基於變分貝葉斯容積強跟蹤信息濾波的目標跟蹤方法

2023-04-25 14:16:11

專利名稱：一種基於變分貝葉斯容積強跟蹤信息濾波的目標跟蹤方法
技術領域：
本發明屬於非線性系統的目標跟蹤領域，特別涉及一種基於容積強跟蹤信息濾波器的自適應濾波方法。
背景技術：
非線性濾波是信號處理、目標跟蹤和控制領域方面的熱門話題之一，特別是，在卡爾曼濾波框架下的非線性濾波研究仍然是一個很火的問題，在近年來受到了越來越多的關注和研究。卡爾曼濾波器(KF)最初是由R.E Kalman處理線性動態系統的狀態估計時提出來的。隨後，相繼提出了擴展的卡爾曼濾波器(EKF)，把KF的的應用延伸到非線性系統。因為使用泰勒展開公式將原系統線性化，EKF的性能並不理想，尤其是，雅可比矩陣的計算嚴重限制了 EKF的應用。無味濾波(UKF)通過無味轉換，雖然能明顯改善EKF的性能，但是，在維數災難的情況下，UKF的使用仍然有限制。此後，容積卡爾曼濾波器和相應平方根容積卡爾曼濾波器(SCKF)相繼被提出來解決這個問題。很快，容積信息濾波器(CIF)和平方根容積新息濾波器(SRCIF)也相繼給出。這些非線性濾波器一般都要求已知的、精確的系統參數，並且沒有狀態的突變等等。一旦這些情況出現了，當前的非線性濾波器就不能很好的工作。另外，當增益矩陣趨於連續時，一旦出現狀態突變，這些卡爾曼濾波器就會丟失自適應功能。在EKF的基礎上，強跟蹤濾波(STF)理論就被建立起來用以診斷過程系統中的錯誤，並且獲得了廣泛的應用，通過計算衰減係數它可以自動調節預測誤差協方差，就獲得了所謂的強跟蹤功能，隨後，STF用來讓SCKF具有強跟蹤能力。但是仍然有一個問題，就是在估計衰減係數的時候，量測方程的雅可比矩陣需要計算出來。這很複雜，很容易導致計算問題。在未知量測噪聲方差的情況下，變分貝葉斯(VB)方法在線性系統中可以估計未知量測噪聲方差。但是，VB方法在非線性系統中的應用還是很少的。

發明內容
為了應對上面提到的未知量測噪聲方差的情況，在本發明中，將變分貝葉斯(VB)方法應用到容積強跟蹤信息濾波器(CSTIF)中，提出了一種新的非線性濾波器，即變分貝葉斯自適應容積強跟蹤信息濾波器(VB-ACSTIF)。這種非線性濾波器不僅具有強跟蹤能力，還能估計量測噪聲的未知方差。本發明是CSTIF改進形式，包括計算和更新VB方法中的參
數；設置VB方法中的循環控制變量r的初值為零，並給出迭代次數W2的值；使用VB方法估計量測噪聲的未知方差(下標I表示時間，上標w指VB方法中…在當前值迭代後產
生的結果)；令未知的量測噪聲方差
權利要求
1.一種基於變分貝葉斯容積強跟蹤信息濾波的目標跟蹤方法，其特徵在於該方法包括以下步驟: 步驟1.計算和更新VB方法中的參數值； 步驟2.設置VB方法中的循環控制變量《的初值為零，給出迭代次數M2的值； 步驟3.使用VB方法估計量測噪聲的未知方差1匸其中-表示時間，._.指VB方法中 在當前值迭代後產生的結果； 步驟4.判斷^值是否為O，如果…值為O，則令未知的量測噪聲方差&等於1:,否則跳到步驟7 ； 步驟5.計算一步預測目標狀態〗； 步驟6.迭代計 算偽觀測矩陣、新息矩陣，信息矩陣及信息狀態向量;,y ； 步驟7.計算VB方法中第m+1次迭代後目標狀態最優線性估計；.和屍表示誤差協方差； 步驟8.判斷《是否小於#2，如果I小於的，則計算VB方法的參數席^，令_自加I，並且跳到步驟3，否則步驟9； 步驟9.計算最終目標狀態的最優線性估計及其誤差協方差P_。
全文摘要
本發明涉及一種基於變分貝葉斯容積強跟蹤信息濾波的目標跟蹤方法。本發明包括計算和更新VB方法中的參數；設置VB方法中的循環控制變量的初值為零，並給出迭代次數的值；使用VB方法估計量測噪聲的未知方差；估計一步預測目標狀態；迭代計算偽觀測矩陣、新息矩陣、信息矩陣及信息狀態向量。本發明使用變分貝葉斯方法的自適應強跟蹤信息濾波方法不僅具有強跟蹤能力，還能估計量測噪聲的未知方差，實現了自適應功能。同時，衰減係數可以通過迭代的方法估計出來，而無需計算雅可比矩陣。
文檔編號G06F19/00GK103235886SQ20131014918
公開日2013年8月7日 申請日期2013年4月25日 優先權日2013年4月25日
發明者葛泉波, 姚樹鶴, 文成林, 管冰蕾 申請人:杭州電子科技大學