(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211106503.8 (22)申请日 2022.09.12 (71)申请人 西北工业大 学深圳研究院 地址 518063 广东省深圳市南 山区粤海街 道高新南九道45号 申请人 西北工业大 学 (72)发明人 李浩宇　张科　王靖宇　谭明虎　 苏雨　张烨　韩治国　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 王鲜凯 (51)Int.Cl. G06N 7/00(2006.01) G06F 17/11(2006.01) G06F 17/16(2006.01)G06F 17/18(2006.01) (54)发明名称 低计算复杂度粒子平滑估计的多机动目标 轨迹跟踪方法 (57)摘要 本发明涉及一种低计算复杂度粒子平滑估 计的多机动目标轨迹跟踪 方法， 针对多机动目标 跟踪应用场景， 建立具有未知混合状态的混杂系 统模型， 对多机动目标进行机动方式与运动状态 的识别。 设计出一种在粒子权重未退化时的低复 杂度平滑计算方法， 结合吉布斯采样、 马尔可夫 链蒙特卡洛方法估计未知 的目标机动方式以及 运动状态。 与传统粒子平滑算法相比， 本发明方 法通过引入参考轨迹提高了目标机动方式和运 动状态的估计精度， 并通过低计算复杂 度的粒子 平滑算法提高了计算效率， 因此该方法可在更短 时间内达 到相同精度的跟踪精度。 权利要求书4页 说明书11页 附图3页 CN 115526323 A 2022.12.27 CN 115526323 A 1.一种低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法， 其特征在于步骤如 下： 步骤1、 基于混杂系统理论建立多机动目标运动模型： 离散随机变量R∈Ω＝{1, …,M} 表示机动方式， 其中M为机动方式种类的数量， 连续随机变量X、 Y分别表示目标运动状态和 观测量， 其中R与X为未知， Y能够被观测到； n时刻的目标机动方式、 运动状态、 观测量的取值 为rn、 xn和yn， 多机动目标运动模型为： 其中， alk为机动方 式从l转移为k的转移概率， l,k∈ Ω； 非线性函数fn+1(xn,rn+1)为目标 运动方程， 由上一时刻运动状态和当前时刻的机动方式共同决定运动方程的具体形式； 非 线性函数gn+1(xn+1,rn+1)为观测方程； vx与vy分别是目标运动状态误差和观测误差， 均为高斯 白噪声； 系统模型参数为θ∈Θ＝{alk, θf|l, θg|l,Qx|l,Qy|l}l,k∈ Ω， θf|l, θg|l分别为目标运动方程与 观测方程的参数， Qx|l,Qy|l为误差vx、 vy的协方差矩阵； 连续随机变量X、 Y分别表示目标运动 状态和观测量 步骤2： 设置粒子集合 其中K为粒子数量， 粒子 的数量代表了对目标 运动状态和观测量连续随机变量X、 Y的{x1:n,r1:n}概率分布的采样次数， 数量越多表 示采样 得到的粒子集合越接近真实分布， 权重系数表示对应的粒子数值 与 出现的概率 大小， 第n时刻粒子权重满足 粒子重采样 阈值hs， 马尔可夫链蒙特卡洛法最大迭 代次数 λ， 令迭代序号标志d＝1； 步骤3： 设置目标运动状态和机动方式初始状态， 根据多机动目标运动模型仿真得到观 测量序列y1:N； 步骤4： 采用粒子滤波获得马尔可 夫链蒙特卡洛法初始参 考轨迹{r′1:n,x′1:n}： 其中， 为满足 条件的狄拉克函数； 通过引入参考轨迹{r ′1:n,x′1:n}可使 得估计得到的目标运动状态和机动方式更加接 近于真实值； 步骤5： 令αn(rn,xn)＝p(rn+1:N,yn+1:N|r1:n,x1:n,y1:n)， 按照下式迭代计算所有时刻的αn (r′n,x′n) 权　利　要　求　书 1/4 页 2 CN 115526323 A 2步骤6： 基于吉布斯采样从n ＝2到n＝N执行滤波算法， 更新粒子 权重 步骤7： 令 从时刻n＝N ‑1到n＝1迭代执行低计算复杂度的平滑算法， 得到的 粒子平滑的权重 步骤8： 以步骤7得到的粒子平滑的权重 计算并更新所有n＝1, …N时刻的参考轨 迹： 上式得到的机动方式参考轨迹r ′n为使得由粒子平滑权重加权求和 最大 值对应的机动方式； x ′n为由粒子平 滑权重加权求和 得到的加权求和平均值； 并将得到的参考轨迹记录为马尔可夫链蒙特卡洛方法第d次迭代的参考轨迹{r ′1:n [d],x′1:n[d]}； 令 若d≤ λ， 返回步骤5， 否则执 行步骤9； 步骤9： 输出估计的机动方式和目标运动状态 2.根据权利要求1所述低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法， 其特 征在于： 所述非线性函数fn+1(xn,rn+1)的目标运动方程由上一时刻运动状态和当前时刻的 机动方式共同决定运动方程的具体形式。 3.根据权利要求1所述低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法， 其特 征在于： 所述 步骤2的粒子 重采样阈值hs取值大于1小于 5。 4.根据权利要求1所述低计算复杂度粒子平滑估计的多机动目标轨迹跟踪方法， 其特 征在于： 所述步骤4采用粒子滤波获得马尔可夫链 蒙特卡洛 法初始参考轨迹{r ′1:n,x′1:n}的 过程为： 步骤4.1： 初始化所有K个粒子： 令r1(i)在Ω中随机取值， 为全零向量， 步骤4.2： 按照下列方式迭代计算每 个时刻的粒子 其中， 符号 ‘～’表示左边数值为服从右边概率分布的随机采样， 符号 ‘∝’表示左边数权　利　要　求　书 2/4 页 3 CN 115526323 A 3