一种基于等效增广量测一步更新的多源乱序航迹融合方法与流程

1.本发明属于多传感器信息融合领域，涉及任意传输速率下多源乱序航迹的一步更新融合方法，具体涉及一种基于等效增广量测一步更新的多源乱序航迹融合方法(ou-eam：one-step updating based on equivalent augmented measurement)。


背景技术：

2.在分布式多传感器信息融合系统下，各个传感器进行局部跟踪，将跟踪得到的局部估计传输到融合中心进行后续融合。然而，在实际应用中，各传感器未必能够保持相同的传输速率向融合中心发送信息，当通信资源充足时，传感器以满速率传输，其通信周期等于传感器的扫描周期；当通信资源受限时，传感器以降速率传输，多个时刻的信息被打包后再一次性传输到融合中心，如何对多个时刻的信息进行一次性高效融合变得极具挑战。同时，由于各个传感器到融合中心的通信距离不同，会导致不同程度的通信时延，延迟时间会随着传输距离的增加而增加。通信时延导致到达融合中心的数据出现时序混乱的情况，而由于融合中心是实时处理数据的，不能直接对乱序信息进行融合处理。
3.针对融合中心接收到乱序航迹的问题，常用的处理方法是丢弃法，即融合中心接收到乱序航迹之后，直接丢弃，其主要思想为：在当前融合周期内，将局部航迹的时间戳与中心航迹时间戳进行对比，判断该局部航迹是否是乱序航迹，如果是乱序航迹，则直接丢弃不用；如果不是乱序航迹，则使用顺序航迹融合方法进行顺序更新。综上，对任意传输速率下的多源乱序航迹进行高效融合以提升目标跟踪性能显得十分迫切与必要。


技术实现要素：

4.针对现有技术的不足，本发明提出了一种基于等效增广量测一步更新的多源乱序航迹融合方法，该方法基于等效量测和状态扩维的思想，通过对局部航迹预测和局部航迹估计进行解相关操作获取等效增广量测，并对等效增广量测中的位置信息进行提取，将只包含位置信息的等效增广量测与当前时刻更新的中心航迹在增广空间进行高效融合，解决了任意传输速率下多源乱序航迹的高效融合问题，在减小计算复杂度的同时，提高了航迹跟踪精度。
5.对于分布式多传感器系统中的两个传感器，设传感器2与融合中心的通信不存在时延。在当前的k 1时刻，融合中心接收到传感器1在h时刻更新的局部增广航迹后验概率密度函数和局部增广航迹先验概率密度函数中心航迹最新更新时间节点为k时刻。其中，h《k，因此融合中心接收到的局部增广航迹估计为乱序增广航迹。
6.局部增广航迹估计为其中增广航迹估
计均值p(
·
)表示概率密度函数；表示目标增广状态包含d1个时刻的标准状态，其数值大小由传感器的传输速率决定；该增广状态的起止时间分别为和h；zh(1)表示截至到h时刻，传感器1的全部量测；n(
·
)表示高斯函数；表示传感器1在h时刻的后验增广估计均值；表示传感器1在h时刻的后验增广估计协方差；表示标准空间中，目标在h时刻的状态估计均值。
7.一种基于等效增广量测一步更新的多源乱序航迹融合方法，利用局部增广航迹估计和局部增广航迹预测将中心航迹由当前目标动力学状态更新为融合后的ek(2)表示截至到k时刻，传感器2的全部等效增广量测。df表示中心航迹的增广维度，其大小由所有传感器的传输速率和延迟时长所决定，df＝n
×
d1，n为正整数，满足不等式：
8.(n-1)d1《d2 t2≤nd1 1
9.其中，d1表示传感器1局部等效增广量测的维度，d2表示传感器1局部等效增广量测的维度，t2表示传感器的通信延迟的步数。
10.一种基于等效增广量测一步更新的多源乱序航迹融合方法，通过以下步骤求解完成乱序增广航迹融合。
11.步骤一、利用局部增广航迹估计和局部增广航迹预测求等效增广量测
12.已知融合中心在当前时刻接收到的传感器1的局部增广航迹估计概率密度函数和局部增广航迹预测概率密度函数则传感器1在h时刻的等效增广量测协方差和均值为：
[0013][0014][0015]
步骤二、提取等效增广量测中的位置信息
[0016]
剔除步骤一得到的等效增广量测均值中的速度信息，以及等效增广量测误差协方差中的速度信息和位置互协方差，得到乱序等效增广量测中的h时刻的位置信息：
[0017][0018]
[0019]
其中，即mi中的第i行第i列子矩阵不为0矩阵。
[0020]
步骤三、乱序航迹融合
[0021]
利用步骤二中得到的只包含位置信息的等效增广量测均值协方差和中心航迹的后验估计概率密度函数进行乱序航迹融合。
[0022]
s3.1、增广状态预测
[0023]
在当前的k 1时刻，中心航迹的后验估计概率密度函数服从高斯分布，其均值和协方差分别为和则增广状态预测的均值和协方差分别为：
[0024][0025][0026]
s3.2、增广测量预测
[0027]
将增广状态预测从增广状态域转换到增广测量域，得到增广测量预测均值和协方差分别为：
[0028][0029][0030]
s3.3、增广状态更新
[0031]
利用乱序等效增广量测均值和协方差对中心航迹进行更新，得到融合乱序航迹之后，中心航迹在k时刻的后验估计概率密度函数其均值和误差协方差分别为：
[0032][0033][0034]
其中，增广卡尔曼增益
[0035]
本发明具有以下有益效果：
[0036]
充分利用乱序航迹隐含的目标信息，基于扩维和等效量测的思想，解决任意传输速率下的多源乱序航迹的高效融合问题，在减小计算量的同时，大幅提升目标跟踪精度。
附图说明
[0037]
图1为任意传输速率下多源乱序航迹到达融合中心的示意图；
[0038]
图2为实施例中的仿真场景图；
[0039]
图3为丢弃法与实施例的位置rmse比较图。
具体实施方式
[0040]
以下结合附图对本发明作进一步的解释说明：
[0041]
如图1所示，传感器1每三帧数据传输一次，在h时刻传输局部航迹估计和局部航迹预测到融合中心。传感器2每两帧数据传输一次，在k时刻传输局部航迹估计和局部航迹预测到融合中心。由于传感器2不存在通信时延，而传感器1存在通信时延，因此融合中心先接收到传感器2的数据，中心航迹更新至k时刻，得到k时刻后验状态估计在k 1时刻，融合中心才接收到传感器1的数据。本方法利用乱序航迹估计和乱序航迹预测将k时刻的中心航迹由当前目标动力学状态估计更新为融合后的
[0042]
设置如图2所示的仿真场景，其中两个传感器的监控范围一致，目标在监控区域内做匀速直线运动，使用本方法与丢弃法进行仿真，统计100次蒙特卡洛实验的结果。使用本方法的后验估计均值的无平滑数据参与计算rmse记为ou-eam；使用本方法的后验估计均值的有平滑数据参与计算rmse记为sou-eam；
[0043]
丢弃法与本方法的位置均方根误差如图3所示，本方法相较于丢弃法能有效提高目标的跟踪精度，如表1所示，ou-eam的时间平均位置rmse相较于丢弃法降低了24.39％，sou-eam的时间平均位置rmse相较于丢弃法降低了57.75％。
[0044][0045]
表1。