CN111914211B - 一种新生目标标签多贝努利分布的生成方法及装置 - Google Patents

一种新生目标标签多贝努利分布的生成方法及装置 Download PDF

Info

Publication number
CN111914211B
CN111914211B CN202010752860.6A CN202010752860A CN111914211B CN 111914211 B CN111914211 B CN 111914211B CN 202010752860 A CN202010752860 A CN 202010752860A CN 111914211 B CN111914211 B CN 111914211B
Authority
CN
China
Prior art keywords
measurement data
position measurement
candidate
distribution
candidate track
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.)
Active
Application number
CN202010752860.6A
Other languages
English (en)
Other versions
CN111914211A (zh
Inventor
刘宗香
陈为
陈启跃
李良群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN202010752860.6A priority Critical patent/CN111914211B/zh
Priority to PCT/CN2020/123032 priority patent/WO2022021629A1/zh
Publication of CN111914211A publication Critical patent/CN111914211A/zh
Application granted granted Critical
Publication of CN111914211B publication Critical patent/CN111914211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种新生目标标签多贝努利分布的生成方法及装置，方法包括：从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；一次测试完成后，再取下一个位置测量数据组合进行测试，直至所有位置测量数据组合都进行了测试；所有组合测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布，从而自适应地生成新生目标标签多贝努利分布。

Description

一种新生目标标签多贝努利分布的生成方法及装置
技术领域
本发明涉及传感器技术领域，具体涉及一种新生目标标签多贝努利分布的生成方法及装置。
背景技术
标签多贝努利滤波器提供目标轨迹，是一种多目标跟踪的新方法，在高杂波密度和低探测概率下有很好的多目标跟踪能力，但现有的标签多贝努利滤波器通常假定新生目标的标签多贝努利分布是已知的，在新生目标的标签多贝努利分布未知情况下难以完成多目标跟踪任务，如何自适应地生成新生目标的标签多贝努利分布是一个需要探索和研究的关键技术问题。
发明内容
本发明提供的一种新生目标标签多贝努利分布的生成方法及装置，克服了现有技术中难以自适应的生成新生目标标签多贝努利分布的缺陷。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明实施例提供一种新生目标标签多贝努利分布的生成方法，包括：
步骤1：从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，并转入步骤2，否则转入步骤3；
步骤2：利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；
步骤3：在一个位置测量数据组合测试完成后，转入步骤1，从连续两个时刻的位置测量数据集中再取下一个位置测量数据组合进行测试，直至所有的位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；
步骤4：根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布。
在一实施例中，所述预设速度条件表示为：
v1Ts≤||zg,k-zf,k-1||2≤v2Ts
其中，v1为预设最小速度，v2为预设最大速度，Ts为扫描周期，||·||2表示向量的2范数，k-1和k分别为两个连续时刻，zf,k-1表示从k-1时刻位置测量数据集
Figure BDA0002610597440000021
取出的一个位置测量数据，zg,k表示从k时刻位置测量数据集
Figure BDA0002610597440000022
中取出的一个位置测量数据，其中，Mk-1和Mk分别为k-1和k时刻测量的数目，f＝1,2,…,Mk-1，g＝1,2,…,Mk；
Figure BDA0002610597440000023
其中，
Figure BDA0002610597440000024
和
Figure BDA0002610597440000025
分别为位置测量数据zf,k-1的x分量和y分量，
Figure BDA0002610597440000026
其中，
Figure BDA0002610597440000027
和
Figure BDA0002610597440000028
分别为位置测量数据zg,k的x分量和y分量。
在一实施例中，利用建立候选轨迹的两个位置测量数据，通过以下公式估计候选轨迹的均值向量和协方差：
Figure BDA0002610597440000029
Figure BDA0002610597440000031
其中，
Figure BDA0002610597440000032
为均值向量，
Figure BDA0002610597440000033
为协方差，
Figure BDA0002610597440000034
和
Figure BDA0002610597440000035
分别为连续两个时刻位置测量数据zf,k-1和zg,k的协方差，Ψ定义为
Figure BDA0002610597440000036
所述候选轨迹的状态分布表示为：
Figure BDA0002610597440000037
其中，
Figure BDA0002610597440000038
表示状态向量为xk、均值向量为
Figure BDA0002610597440000039
和协方差为
Figure BDA00026105974400000310
的高斯分布；
所述候选轨迹集中所有候选轨迹的状态分布表示为：
Figure BDA00026105974400000311
其中，Nc,k为候选轨迹的数目。
在一实施例中，所述根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标标签多贝努利分布的步骤，包括：
由候选轨迹集中所有候选轨迹的状态分布
Figure BDA00026105974400000312
建立k+1时刻新生目标的标签多贝努利分布为
Figure BDA00026105974400000313
其中，
Figure BDA00026105974400000314
分别表示第j条轨迹k+1时刻的存在概率、权重、状态分布和标签，
Figure BDA00026105974400000315
b1为预设的参数，取值范围为b1∈[0.001,0.1]，
Figure BDA00026105974400000316
和
Figure BDA00026105974400000317
定义为
Figure BDA00026105974400000318
Figure BDA00026105974400000319
其中，Fk为状态转移矩阵，其定义为
Figure BDA00026105974400000320
第二方面，本发明实施例提供一种新生目标标签多贝努利分布的生成装置，包括：
候选轨迹建立模块，用于从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，并转入候选轨迹状态分布形成模块，否则转入候选轨迹集生成模块；
候选轨迹状态分布形成模块，用于利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；
候选轨迹集生成模块，用于在一个位置测量数据组合测试完成后，转入候选轨迹建立模块，从连续两个时刻的位置测量数据集中再取下一个位置测量数据组合进行测试，直至所有的位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；
新生目标的标签多贝努利分布建立模块，用于根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布。
第三方面，本发明实施例提供一种终端，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明实施例第一方面所述的新生目标标签多贝努利分布的生成方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的新生目标标签多贝努利分布的生成方法。
本发明技术方案，具有如下优点：
本发明提供的新生目标标签多贝努利分布的生成方法及装置，从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；一个位置测量数据组合测试完后，再取下一个位置测量数据组合进行测试，直至所有位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布，从而自适应地生成新生目标标签多贝努利分布。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种新生目标标签多贝努利分布的生成方法的一个具体示例的流程图；
图2为本发明实施例提供的一种新生目标标签多贝努利分布的生成装置的模块组成图；
图3为本发明实施例提供的一种终端一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供的一种新生目标标签多贝努利分布的生成方法，如图1所示，包括如下步骤：
步骤S101：从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，并转入步骤S102，否则转入步骤S103。
在本发明实施例中，所述预设速度条件表示为：
v1Ts≤||zg,k-zf,k-1||2≤v2Ts
其中，v1为预设最小速度，v2为预设最大速度，Ts为扫描周期，||·||2表示向量的2范数，k-1和k分别为两个连续时刻，zf,k-1表示从k-1时刻位置测量数据集
Figure BDA0002610597440000061
取出的一个位置测量数据，zg,k表示从k时刻位置测量数据集
Figure BDA0002610597440000062
中取出的一个位置测量数据，其中，Mk-1和Mk分别为k-1和k时刻测量的数目，f＝1,2,…,Mk-1，g＝1,2,…,Mk；
Figure BDA0002610597440000063
其中，
Figure BDA0002610597440000064
和
Figure BDA0002610597440000065
分别为位置测量数据zf,k-1的x分量和y分量，
Figure BDA0002610597440000071
其中，
Figure BDA0002610597440000072
和
Figure BDA0002610597440000073
分别为位置测量数据zg,k的x分量和y分量。
步骤S102：利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布。
在本发明实施例中，利用建立候选轨迹的两个位置测量数据，通过以下公式估计候选轨迹的均值向量和协方差：
Figure BDA0002610597440000074
Figure BDA0002610597440000075
其中，
Figure BDA0002610597440000076
为均值向量，
Figure BDA0002610597440000077
为协方差，
Figure BDA0002610597440000078
和
Figure BDA0002610597440000079
分别为连续两个时刻位置测量数据zf,k-1和zg,k的协方差，Ψ定义为
Figure BDA00026105974400000710
所述候选轨迹的状态分布表示为：
Figure BDA00026105974400000711
其中，
Figure BDA00026105974400000712
表示状态向量为xk、均值向量为
Figure BDA00026105974400000713
和协方差为
Figure BDA00026105974400000714
的高斯分布；
所述候选轨迹集中所有候选轨迹的状态分布表示为：
Figure BDA00026105974400000715
其中，Nc,k为候选轨迹的数目。
步骤S103：在一个位置测量数据组合测试完成后，转入步骤S101，从连续两个时刻的位置测量数据集中再取下一个位置测量数据组合进行测试，直至所有的位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布。
步骤S104：根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布。
在本发明实施例中，所述根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标标签多贝努利分布的步骤，包括：
由候选轨迹集中所有候选轨迹的状态分布
Figure BDA0002610597440000081
建立k+1时刻新生目标的标签多贝努利分布为
Figure BDA0002610597440000082
其中，
Figure BDA0002610597440000083
分别表示第j条轨迹k+1时刻的存在概率、权重、状态分布和标签，
Figure BDA0002610597440000084
b1为预设的参数，取值范围为b1∈[0.001,0.1]，
Figure BDA0002610597440000085
和
Figure BDA0002610597440000086
定义为
Figure BDA0002610597440000087
Figure BDA0002610597440000088
其中，Fk为状态转移矩阵，其定义为
Figure BDA0002610597440000089
在本发明实施例中，一个测量目标位置的传感器观测两个在二维空间中作匀速直线机动目标，传感器采样周期为Ts＝1s，测量数据为目标位置和测量噪声，用σx表示传感器在x方向上的测量噪声的标准差，σy.表示传感器在y方向上的测量噪声的标准差，取值为：σx＝σy＝1m。传感器在t＝0s、t＝1s对目标进行测量，得到在两个连续时刻的测量数据分别为Zk-1＝{z1,k-1,z2,k-1}和Zk＝{z1,k,z2,k}，其中，
Figure BDA00026105974400000810
Figure BDA00026105974400000811
Figure BDA00026105974400000812
设置v1＝5，v2＝50，
Figure BDA00026105974400000813
本发明实施例对两个连续时刻的测量数据位置测量数据Zk-1和Zk进行处理，得到两条候选轨迹，这两条候选轨迹在k+1时刻的存在概率、权重、状态分布和标签为
Figure BDA0002610597440000091
其中，
Figure BDA0002610597440000092
本发明实施例提供的方法可以自适应地生成新生目标的标签多贝努利分布，避免了新生目标的标签多贝努利分布是已知的要求。
本发明实施例中提供的新生目标标签多贝努利分布的生成方法，其中，从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；一个位置测量数据组合测试完后，再取下一个位置测量数据组合进行测试，直至所有位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布，从而自适应地生成新生目标标签多贝努利分布。
实施例2
本发明实施例提供一种新生目标标签多贝努利分布的生成装置，如图2所示，包括：
候选轨迹建立模块1，用于从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，并转入候选轨迹状态分布形成模块2，否则转入候选轨迹集生成模块3；此模块执行实施例1中的步骤S101所描述的方法，在此不再赘述。
候选轨迹状态分布形成模块2，用于利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；此模块执行实施例1中的步骤S102所描述的方法，在此不再赘述。
候选轨迹集生成模块3，用于在一个位置测量数据组合测试完成后，转入候选轨迹建立模块1，从连续两个时刻的位置测量数据集中再取下一个位置测量数据组合进行测试，直至所有的位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；此模块执行实施例1中的步骤S103所描述的方法，在此不再赘述。
新生目标的标签多贝努利分布建立模块，用于根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布；此模块执行实施例1中的步骤S104所描述的方法，在此不再赘述。
本发明实施例提供一种新生目标标签多贝努利分布的生成装置，从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；一个位置测量数据组合测试完后，再取下一个位置测量数据组合进行测试，直至所有位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布，从而自适应地生成新生目标标签多贝努利分布。
实施例3
本发明实施例提供一种终端，如图3所示，包括：至少一个处理器401，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口403，存储器404，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，通信接口403可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(Random Access Memory，易挥发性随机存取存储器)，也可以是非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1中的新生目标标签多贝努利分布的生成方法。存储器404中存储一组程序代码，且处理器401调用存储器404中存储的程序代码，以用于执行实施例1中的新生目标标签多贝努利分布的生成方法。其中，通信总线402可以是外设部件互连标准(peripheralcomponent interconnect，简称PCI)总线或扩展工业标准结构(extended industrystandard architecture，简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固降硬盘(英文：solid-state drive，缩写：SSD)；存储器404还可以包括上述种类的存储器的组合。其中，处理器401可以是中央处理器(英文：centralprocessing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器404还可以包括上述种类的存储器的组合。
其中，处理器401可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器404还用于存储程序指令。处理器401可以调用程序指令，实现如本申请执行实施例1中的新生目标标签多贝努利分布的生成方法。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机可执行指令，该计算机可执行指令可执行实施例1中的新生目标标签多贝努利分布的生成方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(Flash Memory)、硬盘(HardDisk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (7)

1.一种新生目标标签多贝努利分布的生成方法，其特征在于，所述方法包括：
步骤1：从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，并转入步骤2，否则转入步骤3；
步骤2：利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；
步骤3：在一个位置测量数据组合测试完成后，转入步骤1，从连续两个时刻的位置测量数据集中再取下一个位置测量数据组合进行测试，直至所有的位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；
步骤4：根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布。
2.根据权利要求1所述的新生目标标签多贝努利分布的生成方法，其特征在于，所述预设速度条件表示为：
v1Ts≤||zg,k-zf,k-1||2≤v2Ts
其中，v1为预设最小速度，v2为预设最大速度，Ts为扫描周期，||·||2表示向量的2范数，k-1和k分别为两个连续时刻，zf,k-1表示从k-1时刻位置测量数据集
Figure FDA0002610597430000011
取出的一个位置测量数据，zg,k表示从k时刻位置测量数据集
Figure FDA0002610597430000012
中取出的一个位置测量数据，其中，Mk-1和Mk分别为k-1和k时刻测量的数目，f＝1,2,…,Mk-1，g＝1,2,…,Mk；
Figure FDA0002610597430000021
其中，
Figure FDA0002610597430000022
和
Figure FDA0002610597430000023
分别为位置测量数据zf,k-1的x分量和y分量，
Figure FDA0002610597430000024
其中，
Figure FDA0002610597430000025
和
Figure FDA0002610597430000026
分别为位置测量数据zg,k的x分量和y分量。
3.根据权利要求2所述的新生目标标签多贝努利分布的生成方法，其特征在于，利用建立候选轨迹的两个位置测量数据，通过以下公式估计候选轨迹的均值向量和协方差：
Figure FDA0002610597430000027
Figure FDA0002610597430000028
其中，
Figure FDA0002610597430000029
为均值向量，
Figure FDA00026105974300000210
为协方差，
Figure FDA00026105974300000211
和
Figure FDA00026105974300000212
分别为连续两个时刻位置测量数据zf,k-1和zg,k的协方差，Ψ定义为
Figure FDA00026105974300000213
所述候选轨迹的状态分布表示为：
Figure FDA00026105974300000214
其中，
Figure FDA00026105974300000215
表示状态向量为xk、均值向量为
Figure FDA00026105974300000216
和协方差为
Figure FDA00026105974300000217
的高斯分布；
所述候选轨迹集中所有候选轨迹的状态分布表示为：
Figure FDA00026105974300000218
其中，Nc,k为候选轨迹的数目。
4.根据权利要求3所述的新生目标标签多贝努利分布的生成方法，其特征在于，所述根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标标签多贝努利分布的步骤，包括：
由候选轨迹集中所有候选轨迹的状态分布
Figure FDA0002610597430000031
建立k+1时刻新生目标的标签多贝努利分布为
Figure FDA0002610597430000032
其中，
Figure FDA0002610597430000033
分别表示第j条轨迹k+1时刻的存在概率、权重、状态分布和标签，
Figure FDA0002610597430000034
b1为预设的参数，取值范围为b1∈[0.001,0.1]，
Figure FDA0002610597430000035
和
Figure FDA0002610597430000036
定义为
Figure FDA0002610597430000037
Figure FDA0002610597430000038
其中，Fk为状态转移矩阵，其定义为
Figure FDA0002610597430000039
5.一种新生目标标签多贝努利分布的生成装置，其特征在于，所述装置包括：
候选轨迹建立模块，用于从连续两个时刻的位置测量数据集中各取一个位置测量数据，形成一个位置测量数据组合，测试该数据组合中的两个位置测量数据是否满足预设速度条件，若满足预设速度条件，建立一条候选轨迹，并转入候选轨迹状态分布形成模块，否则转入候选轨迹集生成模块；
候选轨迹状态分布形成模块，用于利用建立候选轨迹的两个位置测量数据，估计候选轨迹的均值向量和协方差，形成候选轨迹的状态分布；
候选轨迹集生成模块，用于在一个位置测量数据组合测试完成后，转入候选轨迹建立模块，从连续两个时刻的位置测量数据集中再取下一个位置测量数据组合进行测试，直至所有的位置测量数据组合都进行了测试；测试完成后，得到候选轨迹集及各个候选轨迹的状态分布；
新生目标的标签多贝努利分布建立模块，用于根据候选轨迹集中所有候选轨迹的状态分布，生成新生目标的标签多贝努利分布。
6.一种终端，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-4任一所述的新生目标标签多贝努利分布的生成方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-4任一所述的新生目标标签多贝努利分布的生成方法。
CN202010752860.6A 2020-07-30 2020-07-30 一种新生目标标签多贝努利分布的生成方法及装置 Active CN111914211B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010752860.6A CN111914211B (zh) 2020-07-30 2020-07-30 一种新生目标标签多贝努利分布的生成方法及装置
PCT/CN2020/123032 WO2022021629A1 (zh) 2020-07-30 2020-10-23 一种新生目标标签多贝努利分布的生成方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010752860.6A CN111914211B (zh) 2020-07-30 2020-07-30 一种新生目标标签多贝努利分布的生成方法及装置

Publications (2)

Publication Number Publication Date
CN111914211A CN111914211A (zh) 2020-11-10
CN111914211B true CN111914211B (zh) 2023-03-10

Family

ID=73286476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010752860.6A Active CN111914211B (zh) 2020-07-30 2020-07-30 一种新生目标标签多贝努利分布的生成方法及装置

Country Status (2)

Country Link
CN (1) CN111914211B (zh)
WO (1) WO2022021629A1 (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106910205A (zh) * 2017-03-03 2017-06-30 深圳市唯特视科技有限公司 一种基于随机有限集滤波器耦合的多目标跟踪方法
CN110503071A (zh) * 2019-08-29 2019-11-26 电子科技大学 基于变分贝叶斯标签多伯努利叠加模型的多目标跟踪方法
CN110501671A (zh) * 2019-08-30 2019-11-26 深圳大学 一种基于测量分配的目标跟踪方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170206291A1 (en) * 2016-01-20 2017-07-20 Soliton Holdings Corporation, Delaware Corporation Method for computational fluid dynamics and apparatuses for jet-effect use
WO2018010099A1 (zh) * 2016-07-12 2018-01-18 深圳大学 一种用于跟踪转弯机动目标的方法及其系统
US11455736B2 (en) * 2018-07-06 2022-09-27 Bayerische Motoren Werke Aktiengesellschaft Object tracking based on multiple measurement hypotheses
CN109214432B (zh) * 2018-08-16 2022-02-08 上海交通大学 一种多传感器多目标联合检测、跟踪与分类方法
CN109405833B (zh) * 2018-11-19 2022-05-27 深圳大学 一种逻辑基的轨迹起始方法、系统、电子装置和存储介质
CN109633599B (zh) * 2019-01-29 2023-01-17 中国人民解放军空军预警学院 一种机载预警雷达多目标跟踪方法
CN110598830B (zh) * 2019-04-03 2021-05-11 常熟理工学院 基于标签蚁群的联合多细胞跟踪方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106910205A (zh) * 2017-03-03 2017-06-30 深圳市唯特视科技有限公司 一种基于随机有限集滤波器耦合的多目标跟踪方法
CN110503071A (zh) * 2019-08-29 2019-11-26 电子科技大学 基于变分贝叶斯标签多伯努利叠加模型的多目标跟踪方法
CN110501671A (zh) * 2019-08-30 2019-11-26 深圳大学 一种基于测量分配的目标跟踪方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Marginal Distribution Multi-Target Bayes Filter With Assignment of Measurements;ZONG-XIANG LIU 等;《IEEEAccess》;20200624;第1-2页 *
基于广义标签多伯努利滤波的可分辨群目标跟踪算法;朱书军 等;《自动化学报》;20171231;第43卷(第12期);第1-12页 *

Also Published As

Publication number Publication date
CN111914211A (zh) 2020-11-10
WO2022021629A1 (zh) 2022-02-03

Similar Documents

Publication Publication Date Title
CN112782743B (zh) 一种车辆定位方法、装置、计算机设备及存储介质
CN103941253B (zh) 一种搜索雷达数据的滑窗检测录取方法及其系统
CN112330631B (zh) 一种铁路货车制动梁支柱拉铆销套环丢失故障检测方法
CN110210067B (zh) 一种基于测量轨迹的阈值直线确定方法、装置
Liu et al. New analytical approach to detection threshold of a dynamic programming track‐before‐detect algorithm
CN111914211B (zh) 一种新生目标标签多贝努利分布的生成方法及装置
KR101770742B1 (ko) 클러터를 억제하는 표적 탐지 장치 및 그 방법
US7676769B2 (en) Adaptive threshold wafer testing device and method thereof
CN111640096B (zh) 电子产品外观的检测方法、装置及终端
CN112861708B (zh) 一种雷达图像的语义分割方法、设备及存储介质
CN115932773A (zh) 基于谱形特征的目标角度检测方法、装置、设备及介质
US11088817B2 (en) Data transmission method, data transmission device, and computer readable storage medium
CN109146840B (zh) 基于高斯概率统计的数据几何定位精度评估方法及装置
CN108196168A (zh) 一种局放脉冲检测方法、系统、终端及可读存储介质
CN115035481A (zh) 一种图像物距融合方法、装置、设备及存储介质
CN113804235A (zh) 一种环境检测方法及系统
CN113205059A (zh) 车位的检测方法、系统、终端及计算机可读存储介质
CN112859034A (zh) 自然环境雷达回波幅度模型分类方法和装置
CN112183463A (zh) 基于雷达图像的船只识别模型的验证方法及装置
CN111948286A (zh) 一种基于超声波和深度学习的应力检测方法、装置及设备
CN115327497B (zh) 雷达检测范围确定方法、装置、电子设备及可读介质
CN117872166B (zh) 储能电池热失控检测方法、装置及电子设备
US20230401691A1 (en) Image defect detection method, electronic device and readable storage medium
CN112859020B (zh) 一种太阳能电池板对sar定标器rcs影响分析方法及装置
Zhang et al. Multi-Hough transform track initiation for detecting target with constant acceleration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant