本發(fā)明屬于傳感器技術(shù)領(lǐng)域，特別涉及隨機(jī)集理論下的多目標(biāo)跟蹤、多傳感器融合技術(shù)研究。

背景技術(shù)：

隨著近幾年通信網(wǎng)絡(luò)技術(shù)、嵌入式計(jì)算技術(shù)、微電子技術(shù)和傳感器技術(shù)的飛速發(fā)展和日益成熟，使得制造大量?jī)r(jià)格低廉、體積小、功耗低同時(shí)具有感知能力、計(jì)算能力和通信能力等多種功能的微型傳感器成為可能，這些傳感器可以感知周?chē)沫h(huán)境，并對(duì)數(shù)據(jù)進(jìn)行一定的處理，同時(shí)可以通過(guò)無(wú)線通信的方式實(shí)現(xiàn)節(jié)點(diǎn)間的相互通信和執(zhí)行任務(wù)的協(xié)調(diào)。

集中式融合是將各個(gè)傳感器獲得的目標(biāo)信息送往融合中心處理，雖然該結(jié)構(gòu)實(shí)時(shí)性高，信息損失量小，但是系統(tǒng)通信負(fù)擔(dān)和計(jì)算量大，難以很好地工程實(shí)現(xiàn)，因而分布式融合越來(lái)越得到更多人的關(guān)注。一般情況下，分布式處理時(shí)各個(gè)傳感器的公共信息是不可知的，因此全局最優(yōu)是很難實(shí)現(xiàn)的。針對(duì)這一缺點(diǎn)，clark結(jié)合gci技術(shù)和隨機(jī)集理論提出了基于gci的多目標(biāo)后驗(yàn)融合技術(shù)，在文獻(xiàn)“montecarlorealisationofadistributedmulti-objectfusionalgorithm[c].sensorsignalprocessingfordefence.iet,2010:1-5.”中通過(guò)實(shí)驗(yàn)顯示融合后的結(jié)果優(yōu)于單部傳感器的跟蹤效果。2016年，在文獻(xiàn)“distributedmulti-sensorcphdfilterusingpairwisegossiping[c].ieeeinternationalconferenceonacoustics,speechandsignalprocessing.ieee,2016:3176-3180.”中，考慮到存在傳感器感知能力受限而導(dǎo)致gci融合后目標(biāo)信息丟失的情況，采取利用算術(shù)平均代替幾何平均的策略，但其并未考慮融合權(quán)重的選取問(wèn)題，因此無(wú)法自適應(yīng)去調(diào)整融合權(quán)重。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明為解決上述技術(shù)問(wèn)題，提出了一種傳感器感知能力受限的隨機(jī)集理論的分布式融合方法，考慮了各個(gè)傳感器融合權(quán)重的構(gòu)造和保留信息的差異問(wèn)題，實(shí)現(xiàn)在多目標(biāo)跟蹤時(shí)放寬了對(duì)傳感器感知能力的限制。

本發(fā)明采用的技術(shù)方案是：一種傳感器感知能力受限的隨機(jī)集理論的分布式融合方法，包括：

首先，對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示；

然后，在融合之前執(zhí)行以下過(guò)程：構(gòu)造一個(gè)距離矩陣，然后對(duì)該距離矩陣進(jìn)行行和列搜索，若存在某一行或列的元素的最小值大于預(yù)設(shè)門(mén)限，則將該元素作為融合后的結(jié)果；刪除該目標(biāo)狀態(tài)對(duì)應(yīng)的元素所在的行或列，搜索結(jié)束之后，將剩余的矩陣元素記為新的距離矩陣；

最后，對(duì)新的距離矩陣中的元素采取修正融合權(quán)重的gci融合準(zhǔn)則進(jìn)行融合處理。

進(jìn)一步地，所述對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示；具體表達(dá)式如下：

其中，vk-1(x)表示在k-1時(shí)刻的強(qiáng)度函數(shù)，x表示目標(biāo)狀態(tài)集合；jk-1表示在k-1時(shí)刻的高斯分量的個(gè)數(shù)；表示在k-1時(shí)刻第i個(gè)高斯分量的權(quán)重；表示在k-1時(shí)刻期望為方差為的第i個(gè)高斯分量對(duì)應(yīng)的高斯密度函數(shù)。

進(jìn)一步地，所述對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示之后還包括：

a、建立預(yù)測(cè)模型，得到預(yù)測(cè)的多模型的高斯混合概率密度假設(shè)強(qiáng)度；

具體包括以下步驟：

a1、對(duì)幸存目標(biāo)進(jìn)行預(yù)測(cè)；

其中，vs,k|k-1(x)表示在k時(shí)刻幸存目標(biāo)的強(qiáng)度函數(shù)；ps,k表示k時(shí)刻幸存概率；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量的期望，且滿足：其中fk|k-1表示k時(shí)刻目標(biāo)的狀態(tài)轉(zhuǎn)移矩陣；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量的方差，且滿足：qk-1表示在k-1時(shí)刻幸存目標(biāo)的量測(cè)噪聲方差；表示在k-1時(shí)刻第i個(gè)高斯分量的期望；表示在k-1時(shí)刻第i個(gè)高斯分量的方差；

a2、對(duì)衍生目標(biāo)進(jìn)行預(yù)測(cè)；

其中，vβ,k|k-1(x)表示在k時(shí)刻衍生目標(biāo)的強(qiáng)度函數(shù)；是k-1時(shí)刻第i個(gè)高斯分量的權(quán)重；是k時(shí)刻衍生的第l個(gè)高斯分量的權(quán)重；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量衍生出的第l個(gè)高斯分量的期望，且滿足：其中表示在k時(shí)刻衍生目標(biāo)的第l個(gè)高斯分量對(duì)應(yīng)的狀態(tài)轉(zhuǎn)移矩陣，；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量衍生出的第l個(gè)高斯分量的方差，且滿足：

其中，表示在k-1時(shí)刻衍生目標(biāo)的第l個(gè)高斯分量對(duì)應(yīng)的量測(cè)噪聲方差。

a3、對(duì)新生目標(biāo)進(jìn)行預(yù)測(cè)；

其中，γk(x)表示在k時(shí)刻時(shí)的新生目標(biāo)強(qiáng)度函數(shù)；jγ,k表示新生目標(biāo)在k時(shí)刻的高斯分量的個(gè)數(shù)；表示在k時(shí)刻第i個(gè)高斯分量的權(quán)重；表示期望為方差為的第i個(gè)高斯分量對(duì)應(yīng)的高斯密度函數(shù)。

進(jìn)一步地，所述構(gòu)造一個(gè)距離矩陣具體為：根據(jù)兩傳感器的高斯分量之間的距離構(gòu)造距離矩陣；

其中，對(duì)于，p∈{1,...,na},q∈{1,...,nb}，矩陣c中的元素cp,q表示傳感器a的第p個(gè)高斯分量和傳感器b的第q個(gè)高斯分量之間的距離。

進(jìn)一步地，所述對(duì)新的距離矩陣中的元素采取修正融合權(quán)重的gci融合準(zhǔn)則進(jìn)行融合處理，具體為：

其中，上標(biāo)-1表示矩陣求逆運(yùn)算；sk(x)表示融合后的強(qiáng)度函數(shù)；na和nb分別是傳感器a和b的高斯分量在第k時(shí)刻的個(gè)數(shù)；表示修正后的傳感器a在第k時(shí)刻的第i個(gè)高斯分量的權(quán)值；表示修正后的傳感器b在第k時(shí)刻的第j個(gè)高斯分量的權(quán)重；表示傳感器a的第i個(gè)高斯分量與傳感器b的第j個(gè)高斯分量在第k時(shí)刻的融合后的權(quán)重；表示傳感器a的第i個(gè)高斯分量與傳感器b的第j個(gè)高斯分量在第k時(shí)刻的融合后的均值；表示傳感器a的第i個(gè)高斯分量與傳感器b的第j個(gè)高斯分量在第k時(shí)刻的融合后的方差；和分別表示在第k時(shí)刻傳感器a的第i個(gè)高斯分量和傳感器b第j個(gè)高斯分量歸一化后的權(quán)重。

更進(jìn)一步地，所述歸一化后的權(quán)值根據(jù)傳感器接收到的目標(biāo)估計(jì)值和傳感器的位置之間的關(guān)系計(jì)算得到；表達(dá)式如下：

其中，表示在k時(shí)刻傳感器s的第i個(gè)高斯分量的權(quán)重；表示在k時(shí)刻傳感器s的第i個(gè)高斯分量歸一化后的權(quán)重。

進(jìn)一步地，還包括：對(duì)融合處理后的到的所有高斯分量進(jìn)行剪枝處理；若剪枝處理后的高斯分量滿足權(quán)重值大于0.5，則該高斯分量為目標(biāo)狀態(tài)。

更進(jìn)一步地，所述剪枝處理具體為：

其中，上標(biāo)-1表示矩陣求逆運(yùn)算；:＝表示賦值運(yùn)算；l是滿足門(mén)限的高斯分量集合；和分別是剪枝后的高斯分量的權(quán)重、均值和方差。

本發(fā)明的有益效果：本發(fā)明的方法，首先，對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示；然后，在融合之前執(zhí)行以下過(guò)程：構(gòu)造一個(gè)距離矩陣，然后對(duì)該距離矩陣進(jìn)行行和列搜索，若存在某一行或列的元素的最小值大于預(yù)設(shè)門(mén)限，則認(rèn)為該目標(biāo)只被部分傳感器感知到，將該目標(biāo)狀態(tài)作為融合結(jié)果；搜索結(jié)束之后，刪除行搜索時(shí)滿足門(mén)限條件的元素所在的行以及列搜索時(shí)滿足門(mén)限條件的元素所在的列，將剩余的矩陣元素記為新的距離矩陣；最后，對(duì)新的距離矩陣中的元素采取修正融合權(quán)重的gci融合準(zhǔn)則進(jìn)行融合處理；實(shí)現(xiàn)對(duì)多目標(biāo)的跟蹤及運(yùn)動(dòng)模型的估計(jì)，本發(fā)明的方法比未修正的gci融合過(guò)程有較小的估計(jì)誤差；并且在多目標(biāo)跟蹤時(shí)放寬了對(duì)傳感器感知能力的限制；本發(fā)明可以應(yīng)用于多傳感器網(wǎng)絡(luò)中存在傳感器的感知能力受限的場(chǎng)景中。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例提供的方案流程圖。

圖2是本發(fā)明實(shí)施例提供的分布式融合處理模型示意圖。

具體實(shí)施方式

為便于本領(lǐng)域技術(shù)人員理解本發(fā)明的技術(shù)內(nèi)容，下面結(jié)合附圖對(duì)本發(fā)明內(nèi)容進(jìn)一步闡釋。

如圖1所示為本發(fā)明的方案流程圖；通過(guò)目標(biāo)跟蹤，傳感器獲得目標(biāo)量測(cè)值，通過(guò)phd濾波(預(yù)測(cè)、更新)后得到目標(biāo)估計(jì)值；這一過(guò)程為本領(lǐng)域技術(shù)人員公知的，在此不做詳細(xì)說(shuō)明；本發(fā)明的技術(shù)方案為：一種傳感器感知能力受限的隨機(jī)集理論的分布式融合方法，包括：

首先，對(duì)每部傳感器的概率假設(shè)密度跟蹤采用混合高斯模型進(jìn)行表示；

然后，在融合之前執(zhí)行以下過(guò)程：構(gòu)造一個(gè)距離矩陣，然后對(duì)該距離矩陣進(jìn)行行和列搜索，若存在某一行或列的元素的最小值大于預(yù)設(shè)門(mén)限，則認(rèn)為該目標(biāo)只被部分傳感器感知到，將該目標(biāo)狀態(tài)作為融合結(jié)果；搜索結(jié)束之后，刪除行搜索時(shí)滿足門(mén)限條件的元素所在的行以及列搜索時(shí)滿足門(mén)限條件的元素所在的列，將剩余的矩陣元素記為新的距離矩陣；將該目標(biāo)狀態(tài)作為融合結(jié)果中所述的目標(biāo)狀態(tài)是指當(dāng)前被傳感器檢測(cè)到的該目標(biāo)的狀態(tài)；

最后，對(duì)新的距離矩陣中的元素采取修正融合權(quán)重的gci融合準(zhǔn)則進(jìn)行融合處理。

以下對(duì)各部分內(nèi)容進(jìn)行詳細(xì)闡述：

1、對(duì)高斯混合概率假設(shè)密度進(jìn)行參數(shù)化表征；具體表達(dá)式如下：

其中，vk-1(x)表示在k-1時(shí)刻多目標(biāo)的強(qiáng)度函數(shù)，x表示目標(biāo)狀態(tài)集合；jk-1表示在k-1時(shí)刻的高斯分量的個(gè)數(shù)；表示在k-1時(shí)刻第i個(gè)高斯分量的權(quán)重；表示在k-1時(shí)刻期望為方差為的第i個(gè)高斯分量對(duì)應(yīng)的高斯密度函數(shù)；

對(duì)高斯混合概率假設(shè)密度進(jìn)行參數(shù)化表征后，還包括：

a、建立模型，得到預(yù)測(cè)的多模型的高斯混合概率密度假設(shè)強(qiáng)度；具體包括以下分步驟：

a1、通過(guò)下式對(duì)幸存目標(biāo)進(jìn)行預(yù)測(cè)：

其中，vs,k|k-1(x)表示在k時(shí)刻幸存目標(biāo)的強(qiáng)度函數(shù)；ps,k表示k時(shí)刻幸存概率；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量的期望，且滿足：fk|k-1表示k時(shí)刻目標(biāo)的狀態(tài)轉(zhuǎn)移矩陣；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量的方差，且滿足：qk-1表示在k-1時(shí)刻幸存目標(biāo)的量測(cè)噪聲方差；表示在k-1時(shí)刻第i個(gè)高斯分量的期望；表示在k-1時(shí)刻第i個(gè)高斯分量的方差；

a2、對(duì)衍生目標(biāo)進(jìn)行預(yù)測(cè)：

其中，vβ,k|k-1(x)表示在k時(shí)刻衍生目標(biāo)的強(qiáng)度函數(shù)；是k-1時(shí)刻第i個(gè)高斯分量的權(quán)重；是k時(shí)刻衍生的第l個(gè)高斯分量的權(quán)重；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量衍生出的第l個(gè)高斯分量的期望，且滿足：其中表示在k時(shí)刻衍生目標(biāo)的第l個(gè)高斯分量對(duì)應(yīng)的狀態(tài)轉(zhuǎn)移矩陣；是幸存目標(biāo)在k時(shí)刻的第i個(gè)高斯分量衍生出的第l個(gè)高斯分量的方差，且滿足：

其中，表示在k-1時(shí)刻衍生目標(biāo)的第l個(gè)高斯分量對(duì)應(yīng)的量測(cè)噪聲方差。

a3、對(duì)新生目標(biāo)進(jìn)行預(yù)測(cè)：

其中，γk(x)表示在k時(shí)刻時(shí)的新生目標(biāo)的強(qiáng)度函數(shù)；jγ,k表示新生目標(biāo)在k時(shí)刻的高斯分量的個(gè)數(shù)；表示在k時(shí)刻第i個(gè)高斯分量的權(quán)重；表示期望為方差為的第i個(gè)高斯分量對(duì)應(yīng)的高斯密度函數(shù)；

2、構(gòu)造距離矩陣具體為：根據(jù)來(lái)自傳感器a的na個(gè)高斯分量和來(lái)自傳感器b的nb個(gè)高斯分量之間的距離構(gòu)造距離矩陣c：

其中，cp,q表示傳感器a的第p個(gè)高斯分量和傳感器b的第q個(gè)高斯分量之間的距離，p∈{1,...,na},q∈{1,...,nb}。

分布式融合處理模型如圖2所示，具體為：

對(duì)距離矩陣c進(jìn)行行(列)搜索，若第p次搜索滿足則表明來(lái)自傳感器a的第p個(gè)高斯分量沒(méi)有找到與其對(duì)應(yīng)的來(lái)自傳感器b的高斯分量，如圖2所示，即表示來(lái)自傳感器b的高斯分量丟失，直接將傳感器a的第p個(gè)高斯分量標(biāo)記為融合后的結(jié)果，刪除p行；若第q次列搜索滿足則表明來(lái)自傳感器b的第q個(gè)高斯分量沒(méi)有找到與其對(duì)應(yīng)的來(lái)自傳感器a的高斯分量，直接將傳感器b的第q個(gè)高斯分量標(biāo)記為融合后的結(jié)果，刪除q列；以此類(lèi)推，直至搜索結(jié)束，將剩余的元素組成的新矩陣標(biāo)記為c'，然后進(jìn)行權(quán)重修正后的gci融合。tru為預(yù)設(shè)的門(mén)限值，可根據(jù)實(shí)際情況調(diào)整。

3、權(quán)重修正后的gci融合處理之前，先構(gòu)造融合權(quán)重計(jì)算模型：

得到目標(biāo)的估計(jì)值之后，利用目標(biāo)估計(jì)值和傳感器的位置之間的關(guān)系構(gòu)造融合權(quán)重的函數(shù)，

其中，表示被傳感器s檢測(cè)到的目標(biāo)的估計(jì)位置信息，且tx,k,ty,k分別表示目標(biāo)在x方向和y方向上的估計(jì)位置，分別表示目標(biāo)在x方向和y方向上的估計(jì)速度；表示傳感器s的位置信息，且sx,k表示傳感器s在x方向上的位置，sy,k表示傳感器s在y方向上的位置；η1、η2表示權(quán)重因子。

對(duì)權(quán)重函數(shù)進(jìn)行歸一化處理：

其中，表示在k時(shí)刻傳感器s的第i個(gè)高斯分量的權(quán)重，表示在k時(shí)刻傳感器s的第i個(gè)高斯分量歸一化后的權(quán)值。

根據(jù)建立的融合權(quán)重模型，進(jìn)行權(quán)重修正后的gci融合；具體為：

其中，上標(biāo)-1表示矩陣求逆運(yùn)算；sk(x)表示融合后的強(qiáng)度函數(shù)；na和nb分別是傳感器a和b的高斯分量在第k時(shí)刻的個(gè)數(shù)；表示修正后的傳感器a在k時(shí)刻的第i個(gè)高斯分量的權(quán)值，表示修正后的傳感器b在k時(shí)刻的第j個(gè)高斯分量的權(quán)重；表示傳感器a的第i個(gè)高斯分量與傳感器b的第j個(gè)高斯分量在第k時(shí)刻的融合后的權(quán)重，表示傳感器a的第i個(gè)高斯分量與傳感器b的第j個(gè)高斯分量在第k時(shí)刻的融合后的均值，表示傳感器a的第i個(gè)高斯分量與傳感器b的第j個(gè)高斯分量在第k時(shí)刻的融合后的方差；和分別表示在k時(shí)刻傳感器a的第i個(gè)高斯分量和傳感器b第j個(gè)高斯分量歸一化后的權(quán)重。

4、對(duì)gci融合處理后得到所有高斯分量的進(jìn)行剪枝處理；具體為：

其中，上標(biāo)-1表示矩陣求逆運(yùn)算；:＝表示賦值；l是滿足門(mén)限的高斯分量集合；和分別是剪枝后的第l個(gè)高斯分量的權(quán)重、均值和方差；

5、對(duì)于剪枝處理后的高斯分量，滿足權(quán)重值大于0.5的高斯分量即是目標(biāo)狀態(tài)。

通過(guò)上面的步驟，就可以得到基于隨機(jī)集理論下的修正的gci融合處理過(guò)程，實(shí)現(xiàn)對(duì)多目標(biāo)的跟蹤及運(yùn)動(dòng)模型的估計(jì)。

本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的權(quán)利要求范圍之內(nèi)。