基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法
技术特征:
1.基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,其特征在于:采用高斯过程模型描述被跟踪目标轮廓的径向函数,对目标形状建模;采用变分贝叶斯推断方法对目标的形状状态和测量噪声进行联合估计,推导未知测量噪声和被跟踪目标形状状态的后验分布形式;采用平方根容积卡尔曼滤波处理形状不规则目标跟踪中的非线性滤波问题,实现复杂形状信息和未知测量噪声的同步估计。
2.如权利要求1所述的基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,其特征在于,包括如下步骤:
3.如权利要求2所述的基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,其特征在于:所述步骤s1中容积点和容积点的一步预测的计算方式具体为:
4.如权利要求3所述的基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,其特征在于:所述步骤s2中,更新获得容积点具体为:
5.如权利要求4所述的基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,其特征在于:所述步骤s4中,测量值zt|t-1的计算方式如下:
6.如权利要求5所述的基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,其特征在于:步骤s5中,状态平方根协方差szz,t|t-1,以及状态和量测的互协方差pxz,t|t-1的计算方式如下:
7.如权利要求6所述的基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,其特征在于:所述步骤s6中更新测量噪声协方差的估计参数得到其估计值的计算方法为:
技术总结
本发明公开了一种基于高斯过程和变分贝叶斯推断的不规则目标跟踪方法,采用高斯过程模型描述被跟踪目标轮廓的径向函数,对目标形状建模;采用变分贝叶斯推断方法对目标的形状状态和测量噪声进行联合估计,推导未知测量噪声和被跟踪目标形状状态的后验分布形式;采用平方根容积卡尔曼滤波处理形状不规则目标跟踪中的非线性滤波问题,实现复杂形状信息和未知测量噪声的同步估计。本发明方法能够有效克服传统跟踪算法在处理未知测量噪声时对复杂目标形状的局限性,显著提高了目标跟踪的精度和鲁棒性。
技术研发人员:杨超群,徐梦蝶,李昊昕
受保护的技术使用者:东南大学
技术研发日:
技术公布日:2024/12/2
文档序号 :
【 40200279 】
技术研发人员:杨超群,徐梦蝶,李昊昕
技术所有人:东南大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
技术研发人员:杨超群,徐梦蝶,李昊昕
技术所有人:东南大学
备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明 :此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
