Page 65 - 《应用声学》2023年第2期
P. 65

第 42 卷 第 2 期           马雪飞等: 基于高斯混合概率假设滤波的水下目标跟踪算法                                          253


                         J k−1                                 其中,w    n  、M  n  、P k,γ 为所设定的新生量测的
                         ∑         (             )                     k,γ    k,γ
                                              i
              v k−1 (x) =    w i k−1 N x; m i k−1 , P k−1  ,  (17)  参数。
                         i=1
              v k|k−1 (x)=v S,k|k−1 (x)+v β,k|k−1 (x)+γ k (x), (18)  2.2  参数更新
                                                                   假定目标检测概率为 P D,k ,首先更新未检测到
             其中,J k−1 为所有目标运动状态的数目,v S,k|k−1 、
                                                               目标的权值,即公式 (16) 的前半部分,具体参数更
             v β,k|k−1 为存活和衍生目标的后验概率一阶矩 (具
                                                               新如式(24):
             体表达式详见文献[5]。
                                                                          n
                 算法具体流程描述如下 (其中 2.1 节到 2.3 节为                           w = (1 − P D,k ) w n  ,
                                                                          k
                                                                                         k|k−1
             结合协方差加权融合的 GMPHD 滤波,2.4 节为量                                   n     n      n      n         (24)
                                                                        M = M
                                                                                        k
                                                                          k      k|k−1 , P = M k|k−1 .
             测转换及融合,2.5节为结合粒子群算法的矢量速度                                                              (   j  j  )
                                                                   假定量测中第 j 个检测值服从 N M , S                  ,
             生成)。                                                                                      k  k
                                                                  j
                                                               M 为新息矩阵,κ为虚警概率。更新目标参数与每
                                                                 k
             2.1 预测量测和新生量测
                                                               个检测值进行匹配计算,采用协方差加权的方法对
                 假定 k − 1 时刻的融合输出的目标状态 X k−1 、                 每种匹配组合进行预测值和检测值的滤波,参数更
             协方差矩阵 P k−1 及相应权值 w k−1 作为当前时刻                    新如下:
             的初始状态,目标状态向量 X k−1 以概率 p s 存活至                       j×num k|k−1 +n                      j
                                                                                                  j
                                                                w k           = P D,k w n  N(M; M , S ). (25)
                                                                                      k−1
                                                                                                      k
             k 时刻,不考虑衍生目标。
                 k 时刻预测权值与k − 1时刻输出权值关系为                           权值归一化处理如下:
                                                                            j×num k|k−1 +n
                           w n    = p s w n  .         (19)               w k
                             k|k−1      k−1
                                                                                  j×num k|k−1 +n
                                                                                w
                 通过公式 (8) 中状态方程的线性,可得预测状                                =         k                 .    (26)
                                                                              num k|k−1
             态X  n    及协方差矩阵P        n     计算公式为                                ∑      j×num k|k−1 +m
                 k|k−1              k|k−1,X                               κ +         w
                                                                                       k
                                        n
                               n
                                   n
                      n
                    X k|k−1  = F X k−1 , P k|k−1,X                              m=1
                               k
                                                                                                    n
                                                                   利用协方差加权法将预测量测值 M                 k|k−1  和实
                               n T
                                               T
                      n
                  = F P  n  (F ) + G k Q k (G k ) .    (20)                j
                      k  k−1  k                                际量测值 M 进行融合,每个量测值 M k 的生成
                                                                           k
                 由公式 (1) 和公式 (2) 可知,方位和时延的量测                   如下:
             信息与目标的位置有关。通过对目标的预测状态进                                   j×num k|k−1 +n
                                                                   M  k
             行量测获得方位和时延的预测值和协方差矩阵,具                                (  j        ) −1 (  j                j  )
                                                                                                 n
                                                                                         n
                                                                           n
                                                                 = S + P   k|k−1    S M k|k−1  + P k|k−1 M ,
                                                                                                        k
                                                                      k
                                                                                     k
             体计算公式为                                                  j×num k|k−1 +n
                                                                   P k
                       Z n   = H k X n  ,                          (           )
                        k|k−1        k−1                              j    n    −1  j  n
                                                                 = S + P   k|k−1   S P k|k−1 ,           (27)
                                                                      k
                                                                                    k
                                                T
                     P n     = H k P  n    (H k ) ,
                       k|k−1,Z      k|k−1,X
                                                               其中,num k|k−1 为 2.1 节产生的预测和新生量测的
                        n        −1   n
                      M      = g   (Z     ),
                        k|k−1        k|k−1                     总数。
                       P  n  = CRB(Z   n   ),          (21)
                                       k|k−1
                        k|k−1
                                                               2.3  筛检和聚合
             其中,n = 1, 2, · · · , num k−1 ,H k = [1 0 0 0;
                                                                   前面两步产生更新的量测值总数为 num k|k−1
             0 0 1 0],CRB(Z   n   ) 通过目标预测位置所求得
                             k|k−1                             × num k,M , 其中 num k,M 为实际量测集中的数
             的角度和时延的克拉美罗界。CRB(Z                n   )具体表
                                              k|k−1            目。为了减轻后续的计算量,首先采用设定阈值
             达如下:                                              PHD_w,剔除权值 w 较小的点,再通过设定阈值
                                  [                ]
                                        ˆ
              CRB(Z   n   ) = diag CRB(θ) CRB (ˆτ) . (22)      PHD_M 聚合相近的滤波估计值。
                     k|k−1
                                                                   对更新的量测集进行阈值 PHD_w 筛检,将权
                 由于目标出现的随机性引入新生量测,新生量
                                                               值较小的剔除,具体表达式如下:
             测具体参数如式(23):
                                                                      {
                                                                  I = j ∈ [1, 2, · · · ,
              n        n       n        n      n
             w     = w    , M      = M     , P      = P k,γ ,
              k|k−1    k,γ    k|k−1     k,γ   k|k−1                                      j          }
                                                                    num k|k−1 × num k,M ]|w > PHD_w .    (28)
                                                       (23)                              k
   60   61   62   63   64   65   66   67   68   69   70