贝叶斯目标跟踪方法的研究

《贝叶斯目标跟踪方法的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第35卷VoL35第12期No．12计算机工程ComputerEngineering2009年6月June2009·人工智能及识别技术·文章编号tlooo_-3428(2009)12—0137—03文献标识码tA中圈分类号：TP391贝叶斯目标跟踪方法的研究郭晓橙，李奕梵，郭君斌(第二炮兵工程学院202教研室，西安710025)■耍：针对贝叶斯滤波过程中存在的目标跟踪问题，提出几种典型的贝叶斯滤波方法，如EKF,眦PF和UPF等，基于这些方法所构建的框架，对它们进行性能测试和比较，并在非

2、线性环境下，讨论这些方法的特点，仿真实验结果表明，在非线性非高斯环境下，uPF方法的性能是最优的。关健词：I；I标跟踪；贝叶斯滤波；非线性滤波方法ResearchonBayesianTargetTrackingMethodGUOXiao-song，LIYi-peng，GUOJun-bin(202StaffRoom，TheSecondArtilleryEngineeringCollege，Xi’an710025)[Abstract]Aimingattheproblemoftargetracking

3、inBayesianfilteringprocess。sometypicalBayesianfilteringmethodssuchasEKF,u风PFandUPFareproposed．Onbasisoftheframeworkssetupbythesemethods，theperformanceofthesemethodsaretestodandcompared，andthecharacteristicsofthemarediscussedinnon—linearellvironment．S

4、imulationexperimentalresultsshowthat,innon-linearandnon-Gaussianenvironment,theperformanceofUPFisthebest．[Keywordsltargettracking；Bayesianfiltering；non-linearfilteringmethodl概述目标跟踪在交通管制、机器智能、医疗器械、军事上的战场监视、防空系统等众多领域中都有广泛应用，它是在捕获到的目标初始状态和通过特征提取得到的目标特征基

5、础上，进行一种时空结合的目标状态估计III。目前，就跟踪的数学方法而言，有非贝叶斯方法和贝叶斯方法。非贝叶斯方法基于似然函数，在没有任何先验知识的情况下，利用已知的若干观测值估计未知参数。贝叶斯方法将未知参数看作是随机变量，使用先验概率和当前观测信息计算后验概率。贝叶斯方法是协调先验信息和当前信息的一个统一方法，适用于处理非线性和非高斯系统的状态估计问题，因此，具有较高的实际应用价值。2基于贝叶斯框架的跟踪问题描述为描述跟踪

6、’HJ题，定义目标状态空间模型为{t=f，A，x,”_(1)【Yk=啊

7、(t，眦)一其中，耳∈Rn表示k时刻系统状态；儿∈R‘表示量测；k∈R4，雌∈R1-分别为独立同分布的系统噪声和量测噪声序列。从贝叶斯估计的角度来看，跟踪问题就是从所有得到的量测信息儿=抄．，儿，⋯，只}中推理出k时刻状态变量颤的值，即：估计后验概率p(‘I蚝)。根据贝叶斯定理，假设以服从一阶Markov过程，量测序列M相互独立，初始状态jc0的先验分布为p(xoIYo)=p(毛)，那么状态预测方程为p(以IYl★一I)=JP(XkI以一1)P(Xk-lJk—I)dxk—I(2)状态更新方程为地

8、lye)2警黯器业(3)其中，p(M1只。。)=JP(Y。It)p(t1只。)dt(4)在得到后验概率p(xkfM。)后，根据某些准则，如极大似然估计、最小均方误差估计、最大后验估计等，就可计算出目标的状态值。式(2)、式(3)描述了一种求后验概率的递推方法，通常称为贝叶斯滤波。根据不同的假设，使用不同的方法求解这2个方程，就得到各种不同的贝叶斯滤波算法。3非线性滤波算法当噪声分布为高斯分布，且状态方程与量测方程为线性时，卡尔曼滤波可得到最优估计值。但实际的系统往往是非线性、非高斯、非平稳的，卡

9、尔曼滤波器难于找到解析解，因而必须求助于次优或逼近算法以获得次最优的解。目前，主要的方法可分为2类：高斯逼近和蒙特卡罗方法。3．1高斯逼近法设系统模犁的概率分布服从高斯分布或者可以用高斯分布进行有效的逼近。根据逼近方法的不同，主要有扩展书尔曼滤波(ExtendedKaimanFilter,EKF)和不敏卡尔曼滤波(UnscentedKalmanFilter,UK_D。3．1．1扩展卡尔曼滤波EKF是传统非线性估计的代表【2】，其基本思想是对非线性模型进行一阶泰勒展开，然后对线性化后的系统模型应用