專利名稱：一種基于多尺度維分解的目標(biāo)跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種目標(biāo)跟蹤領(lǐng)域的跟蹤方法。
背景技術(shù)：
基于單個傳感器的目標(biāo)跟蹤由于其簡單實用、經(jīng)濟(jì)性好得到了廣泛的應(yīng)用。但是，由于現(xiàn)在越來越復(fù)雜的目標(biāo)環(huán)境和其本身結(jié)構(gòu)的限制，單個傳感器的跟蹤精度、可靠性、穩(wěn)定性都受到了一定的限制。因此，急需發(fā)展新的跟蹤算法。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供能夠在各種復(fù)雜環(huán)境下有效、準(zhǔn)確、可靠、穩(wěn)定的一種基于 多尺度維分解的目標(biāo)跟蹤方法。本發(fā)明的目的是這樣實現(xiàn)的本發(fā)明一種基于多尺度維分解的目標(biāo)跟蹤方法，其特征是(I)選用小波基函數(shù)將目標(biāo)角度或者航跡的量測數(shù)據(jù)分解到尺度上；(2)在每個尺度的低頻子空間上采用EKF算法對量測數(shù)據(jù)進(jìn)行預(yù)測和濾波，得到不同尺度上目標(biāo)的粗跟蹤結(jié)果傳感器通過獲得視線角信號ZyX捕獲目標(biāo)和實現(xiàn)精確跟蹤，Kalman Filter-KF濾波器即EKF同時工作，得到第k時刻目標(biāo)與傳感器相對運動狀態(tài)量的估計值&)k/k ；
X聲 β PpP Χ//Λ，當(dāng)在第yU I時刻傳感器失去目標(biāo)后，通過擴(kuò)展EKF濾波得到/時刻觀測量的估值 Z jk J i/k
X }k Ik β fijb X jk J i/k β ￠) Z }k) i/k / 1,2,3..._如果系統(tǒng)狀態(tài)方程為線性，即
Xfi) \ Φ ) \k X fi } G ) \k U ) Γ fi } \ W fi，其中，X(k)為k時刻的n維狀態(tài)矢量，也是被估計矢量；J I 為k到免」I時刻的一步轉(zhuǎn)移矩陣(η λ n階)；ff(k)為k時刻的系統(tǒng)噪聲；Γ / J I為k時刻的系統(tǒng)噪聲的加權(quán)；GyU 1Λ是量測噪聲的加權(quán)；U/為k時刻的m維量測噪聲；如果觀測方程為非線性，即
z/JIJ K-/JI，先將觀測方程在最優(yōu)狀態(tài)處進(jìn)行Taylor展開，保留低階展開項如下，
hjKjkJl || /zyx )k)Hk I J 營一/t| jx>Jl Ilfx )k)Hk |J O2JxJytjl Ilfx )k)Hk \令ZijUI l ^|1>Jl/t|并設(shè)展開式中高階微小量為零均值的高斯白噪聲，得到線
φτ，
性化的觀測方程
Zji) I HI J hjk Mk (HMk } V fi ) I，

其中，文/Jl/Λ是X/Jl的一步最優(yōu)預(yù)測，并且滿足
Xfi)\!k 0fi}\k Xfi }Gfi)\kU fi，Vji) I也是均值為零，與F/是不相關(guān)的高斯白噪聲，并且滿足
V Ji) I V~fi J I O2 yX/ J I Γχ/ J ι/λ 2，同樣
Q ji Var^ // Wt /c |
R ji Var^ ji / Kt/ iEKF算法的遞推公式可列寫如下
X Jkj m \ φ)kj\k \x)k |J gJkj \k \u)k\j K Jkj i P5zJkj i \ fh}x Jkj m 11其中
K }kj\ Pjk] Hk Ητ }k J I Gh }kj\
G )kj\ \ H )kj\ \p )kj/k br > J I |JJfcj I I
P )kj/k \ Φ )kj\k \p )k \ρ )k) \k \jr )k)\k \q jk \rT )k J\k I
p)kj\ | 少 r[>Ji \hJkji \\p)kj/k I初值·βPp ψβΡ p var p ^
9由小波理論通過一個脈沖響應(yīng)為h(l)的低通濾波器可以從尺度i上獲得尺度i-Ι上的低頻子空間(平滑)信號七(/ Λ)通過一個脈沖響應(yīng)為g(l)的高通濾波器可以
獲得尺度i-ι上的高頻子空間(細(xì)節(jié))信號·％(/ Γι,^):
Xi (/ Γ ,Λ) ·ι h(l)x(i, 2k fI)
xH (i f\k) ；^(IMh2k「,),根據(jù)上述方程將狀態(tài)方程和量測方程從尺度i分解到尺度i_l，得到的尺度i_l下的狀態(tài)方程和量測方程為(G(i，k)取單位矩陣)
4Χ( Γ ,Λ」1) Φ(/ Γ ,Λ J 1/Λ)Χ(/Γ ,Λ) \z{i f\k) H(i f\k)X(i (\k)) v(i f\k)
9其中
Φ( (\kjl/k) Φ( , kj/k)0(i, kjl/k)
w(i fI,k) Φ(/, A J I/Λ)I· th{l)w{i,2k Γ/)」；th{l)w{i,2k f/ J I)
2(/ Γ ,Λ) Φ(/); h2(l)Q(i,2k UyPT{i)) ; h2(l)Q(i,2k)l fl)
H(i fl,k) H(i,k)
v(i ΓI, k) v(i, k)
R(i Γ , Λ) ; {h2 (l)R(i, 2k Γ/) 丄 R(i)
2 ,得到i-1尺度上的狀態(tài)方程和量測方程后，采用EKF算法進(jìn)行尺度i-Ι上的時間更新和量測更新，從而得到尺度i-i上的最終濾波狀態(tài)估計值Γι,a/幻和協(xié)方差估計值P(z (\，k I k).將得到的尺度i-Ι上的最終濾波狀態(tài)估計值「U/幻和協(xié)方差估計值Ρ( Γ ，Α/幻作為尺度i_2上的EKF濾波時的狀態(tài)預(yù)測值XO+ (l，klk「I；)與誤差協(xié)方差預(yù)測值(2,k!k Γ )，進(jìn)行時間更新和量測更新，得到此尺度上的濾波狀態(tài)估計值
Xd「2>/幻和誤差協(xié)方差估計值PO+「2,A/幻，從而分別得到不同尺度上的濾波狀態(tài)估計
值和誤差協(xié)方差估計值；(3)在不同尺度的高頻子空間上采用小波閾值算法，進(jìn)一步去除噪聲和野值的影響；(4)通過小波重構(gòu)算法融合不同尺度上的跟蹤數(shù)據(jù)，得到目標(biāo)的精確跟蹤數(shù)據(jù)。本發(fā)明的優(yōu)勢在于本發(fā)明是能夠在各種復(fù)雜環(huán)境下有效、準(zhǔn)確、可靠、穩(wěn)定的目標(biāo)跟蹤方法，利用FPGA的并行處理結(jié)構(gòu)實現(xiàn)多尺度EKF算法，小波分解和重構(gòu)、不同尺度上的EKF算法和小波閾值去噪都是同時進(jìn)行的，保證了對目標(biāo)跟蹤的實時性。


圖I為本發(fā)明的目標(biāo)跟蹤裝置的實現(xiàn)框圖；圖2為本發(fā)明的流程圖；圖3為本發(fā)明的多尺度EKF跟蹤算法的流程圖。
具體實施例方式下面結(jié)合附圖舉例對本發(fā)明做更詳細(xì)地描述

結(jié)合圖I 3，本發(fā)明的目的是這樣實現(xiàn)的首先由單個傳感器提供目標(biāo)角度或者航跡的量測數(shù)據(jù)，利用小波分解方法將量測數(shù)據(jù)分解到若干個尺度上，然后在不同尺度上采用EKF算法對目標(biāo)進(jìn)行粗跟蹤和濾波。最后，融合不同尺度上的處理結(jié)果，采用小波重構(gòu)算法實現(xiàn)目標(biāo)在統(tǒng)一尺度上的精跟蹤。重構(gòu)時，將各尺度下的細(xì)節(jié)部分的極大值點去掉，進(jìn)一步濾除噪聲和野值。這樣就可以獲得更精確的目標(biāo)角度或者航跡數(shù)據(jù)，實現(xiàn)各種復(fù)雜環(huán)境下目標(biāo)的精確跟蹤。本發(fā)明綜合利用小波分解和重構(gòu)算法、小波去噪算法、EKF濾波和跟蹤算法，可以大大提高復(fù)雜環(huán)境下單傳感器目標(biāo)跟蹤的準(zhǔn)確性和可靠性。本發(fā)明利用L層的小波分解算法，量測數(shù)據(jù)分解到2L個子空間，其中低頻子空間受噪聲影響較小，所以采用EKF算法得到目標(biāo)的粗跟蹤結(jié)果。高頻子空間受噪聲影響較大，采用小波閾值的方法去除噪聲和野值的影響，提高量測數(shù)據(jù)的信噪比。最后，利用小波重構(gòu)算法融合不同尺度的跟蹤結(jié)果，獲得統(tǒng)一尺度上的跟蹤結(jié)果，達(dá)到對目標(biāo)精確的目的。本發(fā)明采用EKF遞推算法，當(dāng)目標(biāo)短暫消失時，融合不同尺度上的遞推結(jié)果能夠保證短時間內(nèi)穩(wěn)定地對準(zhǔn)目標(biāo)，當(dāng)重新搜索到目標(biāo)后，又可以恢復(fù)到正常的跟蹤狀態(tài)。跟蹤裝置由傳感器I、串口芯片2、數(shù)字信號處理器DSP3、可編程邏輯器件FPGA4和控制、顯示、存儲設(shè)備5組成。當(dāng)傳感器I搜索到目標(biāo)后，傳感器將目標(biāo)的量測數(shù)據(jù)O傳送給串口芯片2，串口芯片2將數(shù)據(jù)O量化后變成數(shù)據(jù)I傳送給數(shù)字信號處理器DSP3。數(shù)字信號處理器DSP3根據(jù)傳送過來的量測數(shù)據(jù)估計出目標(biāo)的角度或者航跡，并將處理后得到的數(shù)據(jù)2傳送給可編程邏輯器件FPGA4，可編程邏輯器件FPGA利用小波分解算法將數(shù)據(jù)2分解到若干個尺度上，接著采用EKF算法對低頻子空間的數(shù)據(jù)進(jìn)行預(yù)測和濾波，得到目標(biāo)在不同尺度上的粗跟蹤結(jié)構(gòu)，同時將各尺度下的細(xì)節(jié)部分的極大值點去掉，進(jìn)一步濾除噪聲和野值。跟蹤裝置利用FPGA并行處理結(jié)構(gòu)同時完成不同尺度上的數(shù)據(jù)處理，提高了跟蹤裝置的實時性。最后，采用小波重構(gòu)算法融合不同尺度上的跟蹤數(shù)據(jù)，就可以得到目標(biāo)的精確跟蹤結(jié)果，即數(shù)據(jù)3。將數(shù)據(jù)3傳送給控制、顯示、存儲，以及信息融合等設(shè)備，以此來滿足不同場合的需求。本跟蹤裝置采用單個傳感器完成對目標(biāo)的跟蹤，結(jié)構(gòu)簡單、使用方便，能夠保證在各種復(fù)雜環(huán)境下，對目標(biāo)有效、準(zhǔn)確、穩(wěn)定、可靠和實時的跟蹤。另外在目標(biāo)短暫丟失的情況下，本跟蹤裝置能夠在一段時間內(nèi)繼續(xù)穩(wěn)定地跟蹤目標(biāo)，直到傳感器重新捕獲目標(biāo)。圖2是跟蹤裝置的信號處理框圖。算法的基本思路
I、根據(jù)實際情況，選用適當(dāng)?shù)男〔ɑ瘮?shù)將目標(biāo)角度或者航跡的量測數(shù)據(jù)分解到若干個尺度上；2、在每個尺度的低頻子空間上采用EKF算法對量測數(shù)據(jù)進(jìn)行預(yù)測和濾波，得到不同尺度上目標(biāo)的粗跟蹤結(jié)果；3、在不同尺度的高頻子空間上采用適當(dāng)?shù)男〔ㄩ撝邓惴ǎM(jìn)一步去除噪聲和野值的影響，調(diào)整觀測噪聲的方差，使濾波更加穩(wěn)定；4、通過小波重構(gòu)算法融合不同尺度上的跟蹤數(shù)據(jù)，得到目標(biāo)的精確跟蹤數(shù)據(jù)。5、將最終得到的跟蹤數(shù)據(jù)傳送給控制、顯示、存儲，以及信息融合等設(shè)備，以此來滿足不同場合的需求。其中不同尺度上的EKF算法和小波閾值去噪算法是利用FPGA并行處理，同時完成的，以此來滿足對跟蹤裝置實時性的要求。 多尺度EKF跟蹤算法的原理傳感器通過獲得視線角信號ZyX捕獲目標(biāo)和實現(xiàn)精確跟蹤。EKF濾波器(Kalman
Filter-KF)同時工作，得到第k時刻目標(biāo)與傳感器相對運動狀態(tài)量的估計值&，即
X/ β PfP Χ//Λ當(dāng)在第yU I時刻傳感器失去目標(biāo)后，雖然傳感器失去了觀測信息，但是通過擴(kuò)展EKF濾波(EKF)仍然可以得到時刻觀測量的估值，即X )klk β P3Jjb X jk} i/k β ￠)之 jkJ i/ki@h2,3從而繼續(xù)穩(wěn)定地跟蹤目標(biāo)。如果系統(tǒng)狀態(tài)方程為線性，即
X/cJl 0/cJl,k X/c ]G/cJl,kU/c J Γ/cJlW/c其中，X(k) Sk時刻的n維狀態(tài)矢量，也是被估計矢量A(kjl，k)為k到免」I時
刻的一步轉(zhuǎn)移矩陣(η λ n階)；ff(k)為k時刻的系統(tǒng)噪聲；Γ / J I為k時刻的系統(tǒng)噪聲的加權(quán)；GyU 1Λ是量測噪聲的加權(quán)；U/為k時刻的m維量測噪聲。如果觀測方程為非線性，即
Z/c J I hjX/c J I J K-/J I先將觀測方程在最優(yōu)狀態(tài)處進(jìn)行Taylor展開，保留低階展開項如下，
hjKjkJl || /zyx )k)Hk I J 營一/t| jx>Jl Ilfx )k)Hk |J O2JxJytjl Ilfx )k)Hk \令丑juI 1 ^1^17,|并假設(shè)展開式中高階微小量為零均值的高斯白噪聲，得到
φτ，
線性化的觀測方程，即Z Ji) I Hji)\X]i) IHkHk )v ]i) I其中，XyU I/k是Xjk J I的一步最優(yōu)預(yù)測，并且滿足
XjkJl/k Φ jk J l,k X/c }Gfi)\kU fiVji) I也是均值為零，與F/是不相關(guān)的高斯白噪聲，并且滿足
V Ji) I V~fi J I O2 yX / J I (Xfi) Mk 2同樣，
Q ji Var狀 ji ^ E^V/ Wt /c |
R ji Var七 ji / Kt/ i那么EKF算法的遞推公式可列寫如下
X Jkj ι/k \ φ)k)\k \x jk |J gJkj \k \u)k\j K Jkj i P5ZJkj i \ fh}x Jkj m 11其中
K }kj\ Pjk] Hk Ητ }k J I Gh }kj\
G)k)\ \ H )kj\ \P )kj/k | Γτ > J I |JJfcj I I P )kj/k \ Φ )kj\k \p )k \ρ )k) \k \jr )k)\k \q jk \τ )k)\k I
P)k)\ I ) r[>Jl \hJkjl \\p)kj/k I算法初值文〉0 EIX p ψ6Ρ p var p ^由小波理論可知，通過一個脈沖響應(yīng)為h (I)的低通濾波器可以從尺度i上獲得尺度i-ι上的低頻子空間(平滑)信號七0+ (U)通過一個脈沖響應(yīng)為g(l)的高通濾波器
可以獲得尺度i-ι上的高頻子空間(細(xì)節(jié))信號·％(>+ fw:
xL(i Γ ,Λ) · ιh(l)x(i,2k fI)
xH(i f\k) ； ^(IMh2k Γ/)根據(jù)上述方程將狀態(tài)方程和量測方程從尺度i分解到尺度i-Ι，得到的尺度i-Ι下的狀態(tài)方程和量測方程為(G(i，k)取單位矩陣)
4Χ( Γ ,Λ」1) Φ(/ Γ ,Λ J 1/Λ)Χ(/Γ ,Λ)
\z{i Γ\k) H(i Γ\k)X(i (\k)) v(i f\k)其中
Φ(/ Γ , Λ J I / Λ) φ( , k)n k)0(i, kjl/k)
w(i Γ I, k) Φ(/, Λ J 1/^)1; ^ h(l)w(i, 2k〔P)J ·，t h(l)w(i, 2k f/Jl)
2(/ Γ ,Λ) Φ(/); h2(l)Q(i,2k UyPT{i)) ; h2(l)Q(i,2k)l fl)
H(i fl,k) H(i,k)v(i ΓI, k) v(i, k)
R(i Γ , Λ) ; {h2 (l)R(i, 2k Γ/) I R(T)得到i-1尺度上的狀態(tài)方程和量測方程后，采用EKF算法進(jìn)行尺度i-Ι上的時間 更新和量測更新，從而得到尺度i-i上的最終濾波狀態(tài)估計值Γι,a/幻和協(xié)方差估計值P(z (l,k / k)
ο將得到的尺度i-Ι上的最終濾波狀態(tài)估計值Γι,A/幻和協(xié)方差估計值P(i Γ ，Α/幻作為尺度i-2上的EKF濾波時的狀態(tài)預(yù)測值XO+ (l，klk「I；)與誤差協(xié)方差預(yù)測值(2,k!k Γ )，進(jìn)行時間更新和量測更新，得到此尺度上的濾波狀態(tài)估計值
Xd「2J/幻和誤差協(xié)方差估計值PO+「2,A/幻。依次類推，分別得到不同尺度上的濾波狀態(tài)估計值和誤差協(xié)方差估計值。最后將各個尺度上的預(yù)測和濾波后的數(shù)據(jù)通過小波重構(gòu)算法融合，得到原始量測數(shù)據(jù)在不同尺度上的融合結(jié)果。重構(gòu)時，采用小波閾值算法將各尺度上高頻子空間的極大值點去掉，進(jìn)一步濾除噪聲和野值點。圖3是多尺度EKF跟蹤算法的流程圖。
權(quán)利要求
1.一種基于多尺度維分解的目標(biāo)跟蹤方法，其特征是 (1)選用小波基函數(shù)將目標(biāo)角度或者航跡的量測數(shù)據(jù)分解到尺度上； (2)在每個尺度的低頻子空間上采用EKF算法對量測數(shù)據(jù)進(jìn)行預(yù)測和濾波，得到不同尺度上目標(biāo)的粗跟蹤結(jié)果 傳感器通過獲得視線角信號Z(X)捕獲目標(biāo)和實現(xiàn)精確跟蹤，Kalman Filter-KF濾波器即EKF同時工作，得到第k時刻目標(biāo)與傳感器相對運動狀態(tài)量的估計值&(んI).
全文摘要
本發(fā)明的目的在于提供一種基于多尺度維分解的目標(biāo)跟蹤方法，包括以下步驟選用小波基函數(shù)將目標(biāo)角度或者航跡的量測數(shù)據(jù)分解到尺度上，在每個尺度的低頻子空間上采用EKF算法對量測數(shù)據(jù)進(jìn)行預(yù)測和濾波，得到不同尺度上目標(biāo)的粗跟蹤結(jié)果，在不同尺度的高頻子空間上采用小波閾值算法，進(jìn)一步去除噪聲和野值的影響；通過小波重構(gòu)算法融合不同尺度上的跟蹤數(shù)據(jù)，得到目標(biāo)的精確跟蹤數(shù)據(jù)。本發(fā)明是能夠在各種復(fù)雜環(huán)境下有效、準(zhǔn)確、可靠、穩(wěn)定的目標(biāo)跟蹤方法，利用FPGA的并行處理結(jié)構(gòu)實現(xiàn)多尺度EKF算法，小波分解和重構(gòu)、不同尺度上的EKF算法和小波閾值去噪都是同時進(jìn)行的，保證了對目標(biāo)跟蹤的實時性。
文檔編號G01C21/20GK102679980SQ20111036107
公開日2012年9月19日 申請日期2011年11月15日 優(yōu)先權(quán)日2011年11月15日
發(fā)明者葉方, 康健, 李一兵, 李一晨, 李靖超, 林云, 葛娟 申請人:哈爾濱工程大學(xué)