專利名稱：一種基于協(xié)方差交叉的交互式多模型估計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域，具體涉及ー種采用協(xié)方差交叉實(shí)現(xiàn)多模型自適應(yīng)估計(jì)的方法。
背景技術(shù)：
自20世紀(jì)70年代Kalman濾波技術(shù)應(yīng)用于目標(biāo)跟蹤領(lǐng)域以來，基于狀態(tài)空間描述的目標(biāo)跟蹤方法受到國內(nèi)外眾多研究機(jī)構(gòu)的關(guān)注，并取得豐碩的理論成果，這些成果在軍事中的各種防御系統(tǒng)和民用中的各類交通管制系統(tǒng)都得到了廣泛的應(yīng)用。隨著電子信息技術(shù)的發(fā)展和新型材料的應(yīng)用，目標(biāo)運(yùn)動(dòng)形式更加趨向多祥化和復(fù)雜化，這也稱為目標(biāo)的機(jī)動(dòng)性越來越高。例如F-22飛機(jī)在60°迎角下仍能以30° /s的速率翻滾，從而迅速改變機(jī)
頭指向。經(jīng)過幾十年的發(fā)展，對(duì)機(jī)動(dòng)目標(biāo)跟蹤的研究已經(jīng)成為目標(biāo)跟蹤領(lǐng)域中ー項(xiàng)重要研究內(nèi)容。但是，仍然沒有ー種通用的技術(shù)方法適合于各種類型的機(jī)動(dòng)目標(biāo)跟蹤。機(jī)動(dòng)目標(biāo)跟蹤的ー個(gè)主要難點(diǎn)是如何描述目標(biāo)運(yùn)動(dòng)的不確定性?？紤]到對(duì)跟蹤者來說往往缺乏目標(biāo)有關(guān)運(yùn)動(dòng)的精確數(shù)據(jù)和不可預(yù)測的現(xiàn)象，使用単一、固定的運(yùn)動(dòng)模型很難完整描述目標(biāo)的整個(gè)運(yùn)動(dòng)過程，并且當(dāng)所使用的運(yùn)動(dòng)模型不能準(zhǔn)確描述目標(biāo)的實(shí)際運(yùn)動(dòng)吋，跟蹤算法往往不能發(fā)揮其有效性能，嚴(yán)重情況下可能產(chǎn)生發(fā)散現(xiàn)象。在這種背景下，人們提出了機(jī)動(dòng)目標(biāo)跟蹤的多模型切換方法，多模型切換是將目標(biāo)可能的運(yùn)動(dòng)模式映射為模型集，集合中的不同模型描述目標(biāo)不同的運(yùn)動(dòng)模式，目標(biāo)運(yùn)動(dòng)形式的改變通過ー個(gè)離散切換變量(如Markov鏈)描述，目標(biāo)的連續(xù)狀態(tài)參數(shù)和切換變量的估計(jì)則是通過各種多模型估計(jì)方法獲得。由于多模型最優(yōu)估計(jì)是ー類全假設(shè)樹估計(jì)，需要在遞推過程中考慮所有可能的模式序列，這樣計(jì)算量和內(nèi)存會(huì)隨著時(shí)間的推移呈指數(shù)增長，因此達(dá)到最優(yōu)是不可能的。目前，多模型估計(jì)的實(shí)現(xiàn)方法都是次優(yōu)的，主要包括兩種策略，一是在每一歩遞推過程中刪除不可能的模型序列；ニ是在每一歩遞推過程中合并相似的模型序列。大量的仿真和應(yīng)用表明，合并策略往往能夠獲得更好的估計(jì)效果。合并策略的兩種典型實(shí)現(xiàn)方法是廣義偽貝葉斯估計(jì)方法和交互式多模型估計(jì)方法，其中交互式多模型估計(jì)方法被認(rèn)為是ー種最具費(fèi)效比的方法，并逐漸成為機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域研究的主流估計(jì)方法。然而在傳統(tǒng)的多模型估計(jì)方法中，由于需要計(jì)算連續(xù)目標(biāo)狀態(tài)和離散切換變量的聯(lián)合分布，不可避免地引入了概率質(zhì)量和概率密度函數(shù)的乘積，而兩者取值的不同數(shù)量級(jí)導(dǎo)致了乘積不匹配問題，使得所獲得的總體估計(jì)僅是ー個(gè)模型概率質(zhì)量的近似。近年來，許多學(xué)者從不同角度提出了各種形式的改進(jìn)方法，如模糊推理、小波分析、神經(jīng)網(wǎng)絡(luò)和最小方差融合等，但是這些方法在提聞估計(jì)性能的同時(shí)也大大提聞了計(jì)算復(fù)雜度。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服傳統(tǒng)交互式多模型估計(jì)方法中的不足，提出ー種基于協(xié)方差交叉的交互式多模型估計(jì)方法，期望獲取更好的估計(jì)效果。如圖I所示，本發(fā)明的技術(shù)解決方案是按如下步驟實(shí)現(xiàn)的
(I)對(duì)前ー時(shí)刻獲取的模型條件估計(jì)和模型匹配矩陣分別進(jìn)行交互，產(chǎn)生各模型估計(jì)器的初始化輸入；(2)利用濾波技術(shù)更新當(dāng)前時(shí)刻的模型條件估計(jì)；(3)采用協(xié)方差交叉方法計(jì)算各模型的匹配矩陣；
(4)以當(dāng)前時(shí)刻獲得的模型匹配矩陣作為加權(quán)權(quán)重，對(duì)模型條件估計(jì)進(jìn)行融合獲取總體估計(jì)輸出。本發(fā)明有以下一些技術(shù)特征(I)、步驟(I)中所述的各模型估計(jì)器的初始化輸入包括狀態(tài)估計(jì)和相應(yīng)的誤差協(xié)方差矩陣，它們是由前一時(shí)刻的模型條件估計(jì)加權(quán)所得，其中加權(quán)權(quán)重是指交互后的模型匹配矩陣；(2)、步驟(I)中所述的對(duì)模型匹配矩陣的交互是通過系統(tǒng)模型切換的轉(zhuǎn)移概率實(shí)現(xiàn)的，而轉(zhuǎn)移概率是指用來描述切換變量的Markov鏈的轉(zhuǎn)移概率；(3)、步驟(2)中所述的估計(jì)更新是指根據(jù)系統(tǒng)狀態(tài)和量測函數(shù)的演化特征，選取合適的濾波技術(shù)對(duì)模型條件估計(jì)進(jìn)行更新；(4)、步驟(3)中所述的當(dāng)前時(shí)刻各模型的匹配矩陣是通過采用協(xié)方差交叉方法計(jì)算確定的；(5)、步驟(4)中所述的總體估計(jì)是以獲取的模型匹配矩陣作為加權(quán)權(quán)重融合各模型更新后的估計(jì)得到的。本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于(I)本發(fā)明采用協(xié)方差交叉方法計(jì)算模型匹配矩陣，避免了傳統(tǒng)交互式多模型估計(jì)中概率質(zhì)量和概率密度函數(shù)乘積不匹配的問題，提高了跟蹤精度。(2)本發(fā)明中模型匹配矩陣的計(jì)算是由模型條件估計(jì)的誤差協(xié)方差矩陣確定的，相比于傳統(tǒng)的交互式多模型估計(jì)中模型概率的計(jì)算，降低了計(jì)算復(fù)雜度。


圖I為本發(fā)明針對(duì)兩狀態(tài)切換模型的交互式多模型估計(jì)流程示意圖；圖2為本發(fā)明對(duì)機(jī)動(dòng)目標(biāo)真實(shí)運(yùn)動(dòng)軌跡的跟蹤示意圖；圖3為本發(fā)明與傳統(tǒng)的交互式多模型估計(jì)方法對(duì)機(jī)動(dòng)目標(biāo)跟蹤位置誤差示意圖；圖4為本發(fā)明與傳統(tǒng)的交互式多模型估計(jì)方法對(duì)機(jī)動(dòng)目標(biāo)跟蹤速度誤差示意具體實(shí)施例方式參照?qǐng)DI，本發(fā)明的具體實(shí)現(xiàn)過程如下步驟I.模型條件估計(jì)和匹配矩陣交互模型條件估計(jì)和匹配矩陣交互是指對(duì)前一時(shí)刻各濾波器產(chǎn)生的模型條件估計(jì)和模型匹配矩陣進(jìn)行交互，作為當(dāng)前時(shí)刻與其匹配濾波器的輸入。假設(shè)k-1時(shí)刻第i個(gè)匹配模型的條件狀態(tài)估計(jì)為4m，相應(yīng)的誤差協(xié)方差矩陣為，其模型匹配矩陣為/4m，則交互后的狀態(tài)估計(jì)和協(xié)方差矩陣為
Mxk-\\k-\ — y ,Mk-]\k-]xk-Mk~]
權(quán)利要求
1.一種基于協(xié)方差交叉的交互式多模型估計(jì)方法，其特征在于包括以下步驟 (1)對(duì)前ー時(shí)刻獲取的模型條件估計(jì)和模型匹配矩陣分別進(jìn)行交互，產(chǎn)生各模型估計(jì)器的初始化輸入； (2)利用濾波技術(shù)更新當(dāng)前時(shí)刻的模型條件估計(jì)； (3)采用協(xié)方差交叉方法計(jì)算各模型的匹配矩陣； (4)以當(dāng)前時(shí)刻獲得的模型匹配矩陣作為加權(quán)權(quán)重，對(duì)模型條件估計(jì)進(jìn)行融合獲取總體估計(jì)輸出。
2.根據(jù)權(quán)利要求I步驟(I)中所述的方法，其特征在于，各模型估計(jì)器的初始化輸入包括狀態(tài)估計(jì)和相應(yīng)的誤差協(xié)方差矩陣，它們是由前一時(shí)刻的模型條件估計(jì)加權(quán)所得，其中加權(quán)權(quán)重是指交互后的模型匹配矩陣。
3.根據(jù)權(quán)利要求I步驟(I)中所述的方法，其特征在于，對(duì)模型匹配矩陣的交互是通過系統(tǒng)模型切換的轉(zhuǎn)移概率實(shí)現(xiàn)的，而轉(zhuǎn)移概率是指用來描述切換變量的Markov鏈的轉(zhuǎn)移概率。
4.根據(jù)權(quán)利要求I步驟(2)中所述的方法，其特征在于，根據(jù)系統(tǒng)狀態(tài)和量測函數(shù)的演化特征，選取合適的濾波技術(shù)對(duì)模型條件估計(jì)進(jìn)行更新。
5.根據(jù)權(quán)利要求I步驟(3)中所述的方法，其特征在干，采用協(xié)方差交叉方法計(jì)算當(dāng)前時(shí)刻各模型的匹配矩陣，避免了傳統(tǒng)交互式多模型估計(jì)中模型似然函數(shù)的計(jì)算。
6.根據(jù)權(quán)利要求I步驟(4)中所述的方法，其特征在于，利用獲取的模型匹配矩陣作為加權(quán)權(quán)重融合各模型更新后的估計(jì)作為總體估計(jì)。
全文摘要
本發(fā)明提出了一種基于協(xié)方差交叉的交互式多模型估計(jì)方法，屬于機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域。該方法的實(shí)現(xiàn)過程包括(1)模型條件估計(jì)和匹配矩陣交互用于計(jì)算各模型條件估計(jì)器的初始化輸入；(2)模型條件估計(jì)濾波用于對(duì)各模型條件估計(jì)進(jìn)行更新；(3)模型匹配矩陣更新采用協(xié)方差交叉方法計(jì)算各模型的匹配矩陣；(4)模型條件估計(jì)融合以各模型的匹配矩陣作為加權(quán)值，對(duì)模型條件估計(jì)融合計(jì)算總體估計(jì)輸出。本發(fā)明克服了傳統(tǒng)的交互式多模型估計(jì)中模型概率與模型概率密度函數(shù)乘積不匹配的問題，具有計(jì)算復(fù)雜度小、估計(jì)效果好的特點(diǎn)，適用于民用和軍事中的機(jī)動(dòng)目標(biāo)跟蹤。
文檔編號(hào)G06T7/20GK102663771SQ20121006714
公開日2012年9月12日 申請(qǐng)日期2012年3月14日 優(yōu)先權(quán)日2012年3月14日
發(fā)明者李文玲, 賈英民 申請(qǐng)人:北京航空航天大學(xué)