买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：哈尔滨工程大学

摘要：本发明提出一种应用于RBMCDA跟踪算法的目标消亡判断方法，所述方法包括步骤一：在第k‑1时刻预测下一时刻的目标状态值方差；步骤二：由预测的目标状态值方差，根据均匀分布概率终止模型计算目标消亡概率；步骤三：根据目标消亡概率，粒子进行蒙特卡洛采样，确定目标状态。本发明由于采用了预测的目标状态值方差作为判决依据，从而将目标消亡概率模型的参数与量测噪声和状态转移噪声建立了联系，不需要另外进行目标消亡模型参数的调整，使系统具有更好的鲁棒性。

主权项：1.一种应用于RBMCDA跟踪算法的目标消亡判断方法，其特征在于：采用预测的目标状态值方差作为目标消亡的判决依据，建立均匀分布概率终止模型，具体包括以下步骤：步骤一：在第k-1时刻预测下一时刻的目标状态值方差；步骤二：由预测的目标状态值方差，根据均匀分布概率终止模型计算目标消亡概率；步骤三：根据目标消亡概率，粒子进行蒙特卡洛采样，确定目标状态；在步骤一中，在RBMCDA跟踪算法中，预测部分采用了卡尔曼滤波的预测过程，该预测过程给出了预测协方差矩阵，即 其中，和分别为k-1时刻状态均值和k时刻的状态预测均值，Pk-1和Pk|k-1分别为k-1时刻状态协方差和k时刻的状态预测协方差，Ak-1为状态转移矩阵，Qk-1为过程噪声协方差；当某一估计目标在数据关联时未与量测值关联，则其预测值作为当前时刻的估计值，若持续一段时间都没有关联量测值，由式1可以看到，此时目标状态协方差不断增大；在RBMCDA跟踪算法中，量测值与目标i关联的似然服从高斯分布，即 其中，p表示概率分布，表示正态分布，表示量测值，ck为数据关联指示，c1:k-1表示历史关联，y1:k-1表示历史量测，表示量测矩阵，mi,k|k-1和Pi,k|k-1分别表示目标i的状态预测均值和状态预测协方差，Ri,k表示当前时刻对目标i的量测噪声协方差；在步骤二中，记表示目标状态值方差在量测端的表现，其量纲与量测量相同，即 其中H表示量测矩阵，Pi,k|k-1表示第i个目标在第k时刻的状态预测协方差矩阵，ο符号表示哈达玛积；Φ中元素服从在[η,μ]区间的均匀分布，η,μ分别表示所服从均匀分布上限和下限，在上限以上，目标消亡的概率为1，在下限以下，目标消亡的概率为0；如果量测值为多维的，即m＞1时，航迹终止概率为各维度中最大值，即 其中，dk表示目标消亡；u表示积分变量；在量测噪声和状态转移噪声均为先验已知的情况下，能够确定Φ中元素的变化范围，并给定η,μ的具体值，即可根据式2计算目标消亡的概率。

全文数据：

权利要求：

百度查询： 哈尔滨工程大学 一种应用于RBMCDA跟踪算法的目标消亡判断方法