CN102663771A - 一种基于协方差交叉的交互式多模型估计方法 - Google Patents
一种基于协方差交叉的交互式多模型估计方法 Download PDFInfo
- Publication number
- CN102663771A CN102663771A CN2012100671454A CN201210067145A CN102663771A CN 102663771 A CN102663771 A CN 102663771A CN 2012100671454 A CN2012100671454 A CN 2012100671454A CN 201210067145 A CN201210067145 A CN 201210067145A CN 102663771 A CN102663771 A CN 102663771A
- Authority
- CN
- China
- Prior art keywords
- model
- estimation
- condition
- matrix
- matching matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种基于协方差交叉的交互式多模型估计方法,属于机动目标跟踪领域。该方法的实现过程包括:(1)模型条件估计和匹配矩阵交互:用于计算各模型条件估计器的初始化输入;(2)模型条件估计滤波:用于对各模型条件估计进行更新;(3)模型匹配矩阵更新:采用协方差交叉方法计算各模型的匹配矩阵;(4)模型条件估计融合:以各模型的匹配矩阵作为加权值,对模型条件估计融合计算总体估计输出。本发明克服了传统的交互式多模型估计中模型概率与模型概率密度函数乘积不匹配的问题,具有计算复杂度小、估计效果好的特点,适用于民用和军事中的机动目标跟踪。
Description
技术领域
本发明属于机动目标跟踪领域,具体涉及一种采用协方差交叉实现多模型自适应估计的方法。
背景技术
自20世纪70年代Kalman滤波技术应用于目标跟踪领域以来,基于状态空间描述的目标跟踪方法受到国内外众多研究机构的关注,并取得丰硕的理论成果,这些成果在军事中的各种防御系统和民用中的各类交通管制系统都得到了广泛的应用。随着电子信息技术的发展和新型材料的应用,目标运动形式更加趋向多样化和复杂化,这也称为目标的机动性越来越高。例如F-22飞机在60°迎角下仍能以30°/s的速率翻滚,从而迅速改变机头指向。经过几十年的发展,对机动目标跟踪的研究已经成为目标跟踪领域中一项重要研究内容。但是,仍然没有一种通用的技术方法适合于各种类型的机动目标跟踪。
机动目标跟踪的一个主要难点是如何描述目标运动的不确定性。考虑到对跟踪者来说往往缺乏目标有关运动的精确数据和不可预测的现象,使用单一、固定的运动模型很难完整描述目标的整个运动过程,并且当所使用的运动模型不能准确描述目标的实际运动时,跟踪算法往往不能发挥其有效性能,严重情况下可能产生发散现象。在这种背景下,人们提出了机动目标跟踪的多模型切换方法,多模型切换是将目标可能的运动模式映射为模型集,集合中的不同模型描述目标不同的运动模式,目标运动形式的改变通过一个离散切换变量(如Markov链)描述,目标的连续状态参数和切换变量的估计则是通过各种多模型估计方法获得。由于多模型最优估计是一类全假设树估计,需要在递推过程中考虑所有可能的模式序列,这样计算量和内存会随着时间的推移呈指数增长,因此达到最优是不可能的。目前,多模型估计的实现方法都是次优的,主要包括两种策略,一是在每一步递推过程中删除不可能的模型序列;二是在每一步递推过程中合并相似的模型序列。大量的仿真和应用表明,合并策略往往能够获得更好的估计效果。合并策略的两种典型实现方法是广义伪贝叶斯估计方法和交互式多模型估计方法,其中交互式多模型估计方法被认为是一种最具费效比的方法,并逐渐成为机动目标跟踪领域研究的主流估计方法。然而在传统的多模型估计方法中,由于需要计算连续目标状态和离散切换变量的联合分布,不可避免地引入了概率质量和概率密度函数的乘积,而两者取值的不同数量级导致了乘积不匹配问题,使得所获得的总体估计仅是一个模型概率质量的近似。近年来,许多学者从不同角度提出了各种形式的改进方法,如模糊推理、小波分析、神经网络和最小方差融合等,但是这些方法在提高估计性能的同时也大大提高了计算复杂度。
发明内容
本发明的目的在于克服传统交互式多模型估计方法中的不足,提出一种基于协方差交叉的交互式多模型估计方法,期望获取更好的估计效果。
如图1所示,本发明的技术解决方案是按如下步骤实现的:
(1)对前一时刻获取的模型条件估计和模型匹配矩阵分别进行交互,产生各模型估计器的初始化输入;
(2)利用滤波技术更新当前时刻的模型条件估计;
(3)采用协方差交叉方法计算各模型的匹配矩阵;
(4)以当前时刻获得的模型匹配矩阵作为加权权重,对模型条件估计进行融合获取总体估计输出。
本发明有以下一些技术特征:
(1)、步骤(1)中所述的各模型估计器的初始化输入包括状态估计和相应的误差协方差矩阵,它们是由前一时刻的模型条件估计加权所得,其中加权权重是指交互后的模型匹配矩阵;
(2)、步骤(1)中所述的对模型匹配矩阵的交互是通过系统模型切换的转移概率实现的,而转移概率是指用来描述切换变量的Markov链的转移概率;
(3)、步骤(2)中所述的估计更新是指根据系统状态和量测函数的演化特征,选取合适的滤波技术对模型条件估计进行更新;
(4)、步骤(3)中所述的当前时刻各模型的匹配矩阵是通过采用协方差交叉方法计算确定的;
(5)、步骤(4)中所述的总体估计是以获取的模型匹配矩阵作为加权权重融合各模型更新后的估计得到的。
本发明与现有技术相比的优点在于:
(1)本发明采用协方差交叉方法计算模型匹配矩阵,避免了传统交互式多模型估计中概率质量和概率密度函数乘积不匹配的问题,提高了跟踪精度。
(2)本发明中模型匹配矩阵的计算是由模型条件估计的误差协方差矩阵确定的,相比于传统的交互式多模型估计中模型概率的计算,降低了计算复杂度。
附图说明
图1为本发明针对两状态切换模型的交互式多模型估计流程示意图;
图2为本发明对机动目标真实运动轨迹的跟踪示意图;
图3为本发明与传统的交互式多模型估计方法对机动目标跟踪位置误差示意图;
图4为本发明与传统的交互式多模型估计方法对机动目标跟踪速度误差示意图;
具体实施方式
参照图1,本发明的具体实现过程如下:
步骤1.模型条件估计和匹配矩阵交互
模型条件估计和匹配矩阵交互是指对前一时刻各滤波器产生的模型条件估计和模型匹配矩阵进行交互,作为当前时刻与其匹配滤波器的输入。假设k-1时刻第i个匹配模型的条件状态估计为相应的误差协方差矩阵为其模型匹配矩阵为则交互后的状态估计和协方差矩阵为
而交互后的模型匹配矩阵为
步骤2:模型条件滤波
模型条件滤波是指在给定输入状态估计和协方差矩阵的前提下,利用当前时刻获取的量测信息zk,进行状态估计更新(下面以处理线性随机动态系统的Kalman滤波为例)
步骤3:模型匹配矩阵更新
模型匹配矩阵是通过采用协方差交叉方法得到的,它是由当前时刻各模型的条件协方差矩阵确定
式中,tr(·)表示矩阵求迹算子;为归一化矩阵。
步骤4:模型条件估计融合
模型条件估计融合是指利用模型匹配矩阵作为加权权重,对当前时刻更新后的各模型条件估计进行融合以获取总体估计输出
本发明的效果可以通过以下仿真进一步说明:
仿真内容:本发明通过跟踪一个在x-y平面中运动的机动目标,对所提出的方法与传统的交互式多模型估计方法进行比较。假设目标的初始位置为(10000,10000)m,初始速度为(-10,15)m/s,目标在1-10s匀速运动,11-25s右转弯运动,26-35s匀速运动,36-45s左转弯运动,46-60s匀速运动。Monte Carlo仿真次数为100次。
图2给出了本发明对机动目标跟踪的效果图,从图中可以看出,本发明方法的可以较好地实现对机动目标的跟踪。
图3给出了本发明与传统的交互式多模型估计方法对机动目标跟踪的位置误差图,从图中可以看出,本发明方法的位置跟踪误差明显小于传统方法的位置跟踪误差。
图4给出了本发明与传统的交互式多模型估计方法对机动目标跟踪的速度误差图,从图中可以看出,本发明方法的速度跟踪误差明显小于传统方法的速度跟踪误差。
Claims (6)
1.一种基于协方差交叉的交互式多模型估计方法,其特征在于包括以下步骤:
(1)对前一时刻获取的模型条件估计和模型匹配矩阵分别进行交互,产生各模型估计器的初始化输入;
(2)利用滤波技术更新当前时刻的模型条件估计;
(3)采用协方差交叉方法计算各模型的匹配矩阵;
(4)以当前时刻获得的模型匹配矩阵作为加权权重,对模型条件估计进行融合获取总体估计输出。
2.根据权利要求1步骤(1)中所述的方法,其特征在于,各模型估计器的初始化输入包括状态估计和相应的误差协方差矩阵,它们是由前一时刻的模型条件估计加权所得,其中加权权重是指交互后的模型匹配矩阵。
3.根据权利要求1步骤(1)中所述的方法,其特征在于,对模型匹配矩阵的交互是通过系统模型切换的转移概率实现的,而转移概率是指用来描述切换变量的Markov链的转移概率。
4.根据权利要求1步骤(2)中所述的方法,其特征在于,根据系统状态和量测函数的演化特征,选取合适的滤波技术对模型条件估计进行更新。
5.根据权利要求1步骤(3)中所述的方法,其特征在于,采用协方差交叉方法计算当前时刻各模型的匹配矩阵,避免了传统交互式多模型估计中模型似然函数的计算。
6.根据权利要求1步骤(4)中所述的方法,其特征在于,利用获取的模型匹配矩阵作为加权权重融合各模型更新后的估计作为总体估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100671454A CN102663771A (zh) | 2012-03-14 | 2012-03-14 | 一种基于协方差交叉的交互式多模型估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100671454A CN102663771A (zh) | 2012-03-14 | 2012-03-14 | 一种基于协方差交叉的交互式多模型估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102663771A true CN102663771A (zh) | 2012-09-12 |
Family
ID=46773249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100671454A Pending CN102663771A (zh) | 2012-03-14 | 2012-03-14 | 一种基于协方差交叉的交互式多模型估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663771A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884340A (zh) * | 2014-03-31 | 2014-06-25 | 北京控制工程研究所 | 一种深空探测定点软着陆过程的信息融合导航方法 |
CN104199022A (zh) * | 2014-08-30 | 2014-12-10 | 电子科技大学 | 一种基于目标模态估计的临近空间高超声速目标跟踪方法 |
CN104950286A (zh) * | 2015-06-10 | 2015-09-30 | 哈尔滨工业大学 | 单被动雷达限制条件下最优拐点的确定方法 |
CN106228805A (zh) * | 2016-06-30 | 2016-12-14 | 北京航空航天大学 | 一种交互式多车辆跟踪方法及装置 |
CN106874701A (zh) * | 2017-04-10 | 2017-06-20 | 哈尔滨工业大学 | 一种基于模型切换次数受限的多模型机动目标跟踪滤波方法 |
TWI739479B (zh) * | 2020-06-17 | 2021-09-11 | 廣達電腦股份有限公司 | 用於提升定位的平滑度與精準度的電子裝置及定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030200065A1 (en) * | 2001-04-20 | 2003-10-23 | Li Luo Wen | Maneuvering target tracking method via modifying the interacting multiple model (IMM) and the interacting acceleration compensation (IAC) algorithms |
US20050110661A1 (en) * | 2002-08-12 | 2005-05-26 | Yannone Ronald M. | Passive RF, single fighter aircraft multifunction aperture sensor, air to air geolocation |
CN101477623A (zh) * | 2009-01-16 | 2009-07-08 | 西安电子科技大学 | 基于模糊推理的交互式多模型方法 |
US20090243920A1 (en) * | 2008-04-01 | 2009-10-01 | Seiko Epson Corporation | Positioning method, program, and positioning apparatus |
CN102043906A (zh) * | 2010-12-15 | 2011-05-04 | 北京航空航天大学 | 一种机动目标跟踪的对角型融合方法 |
-
2012
- 2012-03-14 CN CN2012100671454A patent/CN102663771A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030200065A1 (en) * | 2001-04-20 | 2003-10-23 | Li Luo Wen | Maneuvering target tracking method via modifying the interacting multiple model (IMM) and the interacting acceleration compensation (IAC) algorithms |
US20050110661A1 (en) * | 2002-08-12 | 2005-05-26 | Yannone Ronald M. | Passive RF, single fighter aircraft multifunction aperture sensor, air to air geolocation |
US20090243920A1 (en) * | 2008-04-01 | 2009-10-01 | Seiko Epson Corporation | Positioning method, program, and positioning apparatus |
CN101477623A (zh) * | 2009-01-16 | 2009-07-08 | 西安电子科技大学 | 基于模糊推理的交互式多模型方法 |
CN102043906A (zh) * | 2010-12-15 | 2011-05-04 | 北京航空航天大学 | 一种机动目标跟踪的对角型融合方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103884340A (zh) * | 2014-03-31 | 2014-06-25 | 北京控制工程研究所 | 一种深空探测定点软着陆过程的信息融合导航方法 |
CN103884340B (zh) * | 2014-03-31 | 2016-08-17 | 北京控制工程研究所 | 一种深空探测定点软着陆过程的信息融合导航方法 |
CN104199022A (zh) * | 2014-08-30 | 2014-12-10 | 电子科技大学 | 一种基于目标模态估计的临近空间高超声速目标跟踪方法 |
CN104950286A (zh) * | 2015-06-10 | 2015-09-30 | 哈尔滨工业大学 | 单被动雷达限制条件下最优拐点的确定方法 |
CN106228805A (zh) * | 2016-06-30 | 2016-12-14 | 北京航空航天大学 | 一种交互式多车辆跟踪方法及装置 |
CN106874701A (zh) * | 2017-04-10 | 2017-06-20 | 哈尔滨工业大学 | 一种基于模型切换次数受限的多模型机动目标跟踪滤波方法 |
TWI739479B (zh) * | 2020-06-17 | 2021-09-11 | 廣達電腦股份有限公司 | 用於提升定位的平滑度與精準度的電子裝置及定位方法 |
CN113891270A (zh) * | 2020-06-17 | 2022-01-04 | 广达电脑股份有限公司 | 用于提升定位的平滑度与精准度的电子装置及方法 |
US11290847B2 (en) | 2020-06-17 | 2022-03-29 | Quanta Computer Inc. | Electronic device and method for improving smoothness and precision of positioning |
CN113891270B (zh) * | 2020-06-17 | 2024-04-02 | 广达电脑股份有限公司 | 用于提升定位的平滑度与精准度的电子装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103853908B (zh) | 一种自适应交互式多模型的机动目标跟踪方法 | |
CN102663771A (zh) | 一种基于协方差交叉的交互式多模型估计方法 | |
CN104252178B (zh) | 一种基于强机动的目标跟踪方法 | |
CN104331623B (zh) | 一种机动策略自适应的目标跟踪信息滤波方法 | |
CN101770024B (zh) | 多目标跟踪方法 | |
CN107832575A (zh) | 基于伪测量的带反馈机动目标异步航迹融合算法 | |
CN106407677A (zh) | 一种测量数据丢失情况下的多目标跟踪方法 | |
CN103644903B (zh) | 基于分布式边缘无味粒子滤波的同步定位与地图构建方法 | |
CN107193009A (zh) | 一种模糊自适应多交互模型的多uuv协同系统水下目标跟踪算法 | |
CN103729637B (zh) | 基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法 | |
CN101477623A (zh) | 基于模糊推理的交互式多模型方法 | |
CN107704432A (zh) | 一种转移概率自适应的交互多模型目标跟踪方法 | |
CN103678949B (zh) | 基于密度分析和谱聚类的多扩展目标跟踪量测集划分方法 | |
CN105929391B (zh) | 基于后验概率的变结构交互多模型雷达机动目标跟踪方法 | |
CN103308896A (zh) | 一种适于非引擎机动目标的高精度跟踪方法 | |
CN104808590A (zh) | 一种基于关键帧策略的移动机器人视觉伺服控制方法 | |
CN107462882A (zh) | 一种适用于闪烁噪声的多机动目标跟踪方法及系统 | |
CN103065037B (zh) | 非线性系统基于分散式容积信息滤波的目标跟踪方法 | |
CN102568004A (zh) | 一种高机动目标跟踪算法 | |
CN101975575A (zh) | 基于粒子滤波的被动传感器多目标跟踪方法 | |
CN101661104A (zh) | 基于雷达/红外量测数据坐标转换的目标跟踪方法 | |
CN104237879A (zh) | 一种雷达系统中的多目标跟踪方法 | |
CN103902819A (zh) | 基于变分滤波的粒子优化概率假设密度多目标跟踪方法 | |
CN101701826A (zh) | 基于分层粒子滤波的被动多传感器目标跟踪方法 | |
CN105631017A (zh) | 离线坐标校准和地图创建的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120912 |