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：北京理工大学前沿技术研究院

摘要：本发明涉及一种基于泛化多变量模型的群目标跟踪方法、装置及存储介质，涉及雷达目标跟踪领域。本申请使用多维状态随机变量联合建模群目标的整体状态和子结构状态，为每个状态随机变量初始先验分布与演化模型；基于多维状态随机变量，对条件高斯混合量测空间分布模型进行修正，使得群整体状态与子结构状态集成到量测似然模型中；将上一时刻群目标多维状态随机变量的后验分布，作为当前时刻的先验分布，基于演化模型进行预测，得到群目标多维状态随机变量的预测分布；使用变分贝叶斯方法，迭代的对群目标多维状态随机变量进行联合滤波直至达到设定的迭代次数，得到各多维状态随机变量的更新后验分布，实现对群目标整体状态和子结构状态的估计。

主权项：1.一种基于泛化多变量模型的群目标跟踪方法，其特征在于，包括如下步骤：步骤一：使用多维状态随机变量对群目标的整体状态和子结构状态进行联合建模，并为每个状态随机变量赋予一个先验分布与演化模型；其中，对一个由个子结构组成的群目标进行建模，多维状态随机变量被定义为如下形式： ;其中，为描述群整体扩展外形中心即群整体质心的空间位置和运动状态的随机变量，和分别为描述群整体扩展外形的朝向与尺寸的随机变量，其中，和分别表示运动状态和量测向量的维度；、和为三类相对结构随机变量，其直接构建了子结构与整体状态间的映射关系；其中，是相对位移随机变量，描述了第个子结构质心位置相对于群整体质心的位移；为各向异性缩放矩阵，描述了第个子结构扩展外形大小相对于群整体扩展外形的缩放比率；为相对偏转随机变量，描述了第个子结构朝向相对于群整体朝向的相对偏角;此外，随机变量集合表示各子结构内的量测数量；随机变量集合描述了不同的子结构状态对群整体状态的权重；步骤二：基于多维状态随机变量，对条件高斯混合量测空间分布模型进行修正，使得群目标的整体状态与子结构状态集成到统一的量测似然模型中；步骤三：将上一时刻群目标多维状态随机变量的后验分布，作为当前时刻的先验分布，基于演化模型对群状态进行预测，得到群目标多维状态随机变量的预测分布，包括：将由随机变量、、和组成的变量的均值和协方差分别定义为和，则通过卡尔曼滤波预测和的时间更新： ， ,是状态转移矩阵，为高斯白过程噪声的协方差；其次，对于随机变量，，和，分别使用遗忘因子，，和对其先验分布中的参数进行时间演化： ；其中，表示上一时刻第个维度群整体扩展外形变量分布参数的滤波值；表示第个子结构第个维度的相对缩放变量分布参数的滤波值；表示第个子结构的量测数变量分布参数的滤波值；表示第个子结构的权重变量分布参数的滤波值，而下标则表示对应分布参数的预测值；步骤四：使用变分贝叶斯方法，以迭代的方式对群目标多维状态随机变量进行联合滤波直至达到设定的迭代次数，得到各多维状态随机变量的更新后验分布，实现对群目标整体状态和子结构状态的估计，包括：变分贝叶斯方法提供了后验分布的因式分解近似： ；其中，表示量测累计集合，包含了从1到k时刻雷达获得的所有群目标量测集合；；可以进一步分解成如下形式： ；通过边缘化因式分解近似中的联合分布得到真实后验分布；通过最小化近似分布与真实分布之间的KL散度来求解各因式分布： ；最优解形式如下所示： ；其中，，表示不包含变量的常数，表示对方括号内的表达式求除了变量外其余变量的期望，联合密度的形式如下： ；将带入最优解形式中得到各因式近似分布的闭式迭代更新表达式；每次变分迭代过程，按照各因式近似分布的闭式迭代更新表达式，依次对各因式近似分布完成一轮更新，按照预设的迭代次数执行变分迭代操作，最终可得到各多维状态随机变量的更新后验分布，实现对群目标整体状态和子结构状态的估计；其中，将群目标多维状态随机变量的预测分布作为变分迭代的初值，并在变分迭代前，额外引入无噪量测与责任向量两类隐变量以辅助群状态后验分布近似闭式解的推导，根据推导出的各状态随机变量更新表达式，对多维状态随机变量依次更新；其中，给当前时刻k雷达获得的量测集合中的每个量测分别引入无噪量测和责任向量，其中，责任向量是一个二值向量，表示量测对各子结构的隶属度。

全文数据：

权利要求：

百度查询： 北京理工大学前沿技术研究院 基于泛化多变量模型的群目标跟踪方法、装置及存储介质