用于非線性高斯系統的目標跟蹤方法和跟蹤系統的制作方法
【專利摘要】本發明適用于多傳感器信息融合領域，提供了一種用于非線性高斯系統的目標跟蹤方法和跟蹤系統。所述方法步驟如下：首先根據前一時刻各目標的邊緣分布及其存在概率，預測當前時刻各目標的邊緣分布及其存在概率，并為當前時刻新生的目標指定相應的邊緣分布及其存在概率。再結合當前時刻的位置測量，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布及其存在概率，進而對與各目標相關的更新邊緣分布進行裁減與合并，得到當前時刻各目標的邊緣分布及其存在概率，最后裁減掉存在概率小于第一閾值的邊緣分布，并將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入，同時，提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
【專利說明】用于非線性高斯系統的目標跟蹤方法和跟蹤系統
【技術領域】
[0001] 本發明屬于多傳感器信息融合【技術領域】，尤其涉及一種用于非線性高斯系統的目 標跟蹤方法和跟蹤系統。
【背景技術】
[0002] 多目標貝葉斯濾波器和概率假設濾波器是用于目標探測與跟蹤的有效方法。這兩 種濾波器在遞歸過程中分別傳遞多目標狀態的聯合分布或聯合分布的一階矩。在實際使用 中，我們發現這兩個濾波器存在以下2個難以解決的問題：一是當目標距離很近時這兩個 濾波器輸出的是多目標狀態的均值，這樣使得這兩種濾波器難以將距離很近的目標區分開 來；二是濾波器的遞歸涉及難以處理的積分運算問題，并且在非線性系統中，積分運算不存 在閉合形式的表達式。如何更有效地分辨出距離很近的目標、如何解決非線性系統多目標 跟蹤過程中積分的運算問題是濾波器設計中需要探索和解決的兩個關鍵技術問題。
【發明內容】
[0003] 本發明所要解決的技術問題在于提供一種用于非線性高斯系統的目標跟蹤方法 與跟蹤系統，旨在減少不同目標狀態間的相互干擾，提高濾波器對密集多目標的分辨和跟 蹤能力，同時利用無跡變換將積分運算近似為圍繞Sigma點的數值運算，解決濾波器遞歸 過程中積分運算難以處理的問題。本發明是這樣實現的：
[0004] 一種用于非線性高斯系統的目標跟蹤方法，包括以下步驟：
[0005] 步驟1:根據前一時刻各目標的邊緣分布及其存在概率，預測前一時刻已經存在 的目標在當前時刻的邊緣分布及其存在概率，并為當前時刻新生的目標指定相應的邊緣分 布及其存在概率；對預測的前一時刻已經存在的目標在當前時刻的邊緣分布及其存在概 率，以及為當前時刻新生的目標指定的相應的邊緣分布及其存在概率進行合并，形成當前 時刻各目標的預測邊緣分布及其存在概率；
[0006] 步驟2 :根據當前時刻各目標的預測邊緣分布及其存在概率，以及當前時刻的位 置測量，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布及其存在概率；
[0007] 步驟3:對與各目標相關的更新邊緣分布進行裁減與合并，得到當前時刻各目標 的邊緣分布及其存在概率；根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概 率小于第一閾值的邊緣分布；
[0008] 步驟4:將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入，同 時，提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
[0009] 進一步地，所述步驟1中，以t-Ι表示前一時刻，t表示當前時刻，k表示目標序號， k= 1,…，K，K為目標個數；
[0010] 前一時刻各目標的邊緣分布為NUkHAh,PttJ，其中，N表示高斯分布，XkH 表不前一時刻各目標的狀態向量，Kik^1和PtH分別表不前一時刻各目標的邊緣分布的均 值和方差；前一時刻各目標的邊緣分布的存在概率為P;預測的當前時刻各目標的邊 緣分布為NUuh^tlt+PttltJ，其中，N表示高斯分布，Xttlw表示預測的當前時刻各目 標的狀態向量，HittlH和Pttlw分別表示預測的當前時刻各目標的邊緣分布的均值和方差； 預測的當前時刻各目標的邊緣分布的存在概率為Pttlw ;
[0011] 所述步驟1包括：
[0012] 由Hi1^1和Ptw,得到2n+l個第一類Sigma點；所述2n+l個第一類Sigma點包 括2 κ個xk(l、η個xk;1、η個xk，1+n，其中，xk，Q=ι?,,η，Iw =獅 +Q (η+K)PkJ___i) rI = 1，···，n,xw," =Wiij丨-I=!，…，n ;其中，n表示狀態向量的維數，κ為 尺度參數，(j(n+/r)PAfl )；表示矩陣^(?+K-)Pkl ,中第1列的列向量；所述2n+l個Sigma 1 1 點的權重為Wtt =- ?wI=^T-T-T' 1 = 1, ···,n,wi,"=n，?I=I, ···,η； ιι+r2(η+κ) 2{η+κ) 2η
[0013] 由所述 2η+1 個第一類Sigma點預測HIttlH和PttlH;其中，艦Μ, ! =5^)/(?)， /-〇 蛉=￡叫1 廣-爾MH)(/(X?) -W切+込i;其中，f ^-O 高斯系統目標運動方程中的非線性函數和過程噪聲方差；Pk，tlH=ps，tPkH，其中，ps，t為 目標的幸存概率；
[0014] 指定當前時刻新生目標的邊緣分布為k= 1，…，KY，t ;其中，KY，t 表示當前時刻新生目標的邊緣分布的個數，!和，i分別表示各新生目標的邊緣分布的 均值和方差，給每一個新生目標的邊緣分布賦予一個存在概率Pγ，即/<,=巧，其中，k= 1. ···.KY;t ；
[0015]將NUttlHAtlH,PttlH)和合并，得到當前時刻各目標的預測 邊緣分布N(xk，t|HAtlH,PttlH),k= 1，...，Kp;該分布N(xk，t|HAtlH1PttlH)中，Kp = K+KY,t，當k>K時，i?M/s =<Λη,Φ !=《A';該分布NOcttlH叫,^，PttlH)中各分布 的存在概率為Pk，t|H，k= 1，···，Kp，其中，當k>K時，Α.Ψ ! "
[0016] 進一步地，所述步驟2中：
[0017] 所述位置測量為yt，yt = (yi，t，"*，yM，t);當前時刻各目標的更新邊緣分布為i= 1，"·，Μ+1 ;其中，N表示高斯分布，Xtt表示當前時刻各目標更新的 狀態向量，mb,和P1^分別表示當前時刻各目標的更新邊緣分布的均值和方差；各目標的 更新邊緣分布的存在概率為PU，i= 1，…，Μ+1 ;
[0018] 所述步驟2包括：
[0019] 當i彡M時，由HittlH和PttlH求得2n+l個第二類Sigma點，所述2n+l個 第二類Sigma點包括2κ個-C, , ?n個X丨4i，n個d,,其中，=Wii?Μ，4=mU, I +(pi +ic)PtJ"\,I = 1，...，n，=mkJ>,>-{J(n +伙.,"\，I =1，"·，η;其中，n表示狀態向量的維數，K為尺度參數，Q(rt+r)i?M,...,),表示矩陣 K φη+K)Pilt中第1列的列向量；所述2n+l個第二類Sigma點的權重為％ ? 1 1<1J J ?··> _1? J * XOO _ I W|-1= 1，…，n，= tm
[0020] 根據所述2n+l個第二類Sigma點得到Λ=Σ叫錢xL,i)， /Η? nMiff Pk-r=ΣΗ/(Α(Λ?φ>) ·1'?th(xi4· I^λ)'+R<' pI^, =ΣInh.,"\h(xi4l i、hi， /=?} /=dl 其中，和Rt分別表示非線性高斯系統傳感器觀測方程中的非線性函數和觀測噪聲 方差，爲表示預測的觀測向量，Pk,y表示預測的觀測向量λ的協方差矩陣，Ptxy表示狀態向 量與預測的觀測向量間的互協方差矩陣；
[0021] 根據土和Pk,y，結合yt，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布 爾*%義"），其中，k= 1，...，KP，i= 1，...，M+1，綱L11,=爾*,,η+4(Λ廠Λ)， μ=Pm, , 4K*Ak =Pk,xy (Pk,yr;各目標的更新邊緣分布的存在概率為 A-*-^ 5 :-^.w / 其中，k= 1，...，KP，i= 1，…，M，Xc,t 為雜波 ^, -Pd,L·IN(y〇；yc-p,.,) e;l 密度，PD，t為目標的檢測概率；當i=M+l時，爾丨尸》*々h，=Pk,n，......!， PU=(^Pn.,)pk4,I'-
[0022] 進一步地，所述步驟3中：
[0023] 對與目標k相關的M+1個更新邊緣分布M.v;WiLii, )，i= 1，…，M+1進行裁減 與合并，得到當前時刻目標k的邊緣分布N(x;mk，t,Pk，t);
[0024] 所述步驟3包括：
[0025] 根據所述PU得到存在概率最大的更新邊緣分布分布的索引號j，
[0026] 設定門限U,并從 ，!^)中將(Wllll-IiliJ，i =1，...，M+1，i尹j的更新邊緣分布裁減掉；
[0027] 將余下的更新邊緣分布合并為一個邊緣分布N(xk，t ;mk，t, Pk，t)，k = 1，···，Kp,合并 方法如下：= ， imL I_ ,r, , , TI pU= ^ 作朽沖+ 廠IW")(WU-iwU)i;其中，L為由要合并的更新邊緣分 i&L 布的索引號形成的集合；合并后的更新邊緣分布的存在概率為~ =1 ~〇(|k= ki. 1，…，Kp;
[0028] 將合并后的更新邊緣分布N(xk，t ;mk，t，Ptt)和存在概率Pk，t作為當前時刻各目標 的邊緣分布及存在概率；
[0029] 根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概率小于第一閾值的 邊緣分布。
[0030] 進一步地，所述步驟4具體包括如下步驟：
[0031] 將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入；
[0032] 提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
[0033] 一種用于非線性高斯系統的目標跟蹤系統，包括：
[0034] 預測模塊，用于根據前一時刻各目標的邊緣分布及其存在概率，預測前一時刻已 經存在的目標在當前時刻的邊緣分布及其存在概率，并為當前時刻新生的目標指定相應的 邊緣分布及其存在概率；對預測的前一時刻已經存在的目標在當前時刻的邊緣分布及其存 在概率，以及為當前時刻新生的目標指定的相應的邊緣分布及其存在概率進行合并，形成 當前時刻各目標的預測邊緣分布及其存在概率；
[0035] 更新模塊，用于根據當前時刻各目標的預測邊緣分布及其存在概率，以及當前時 刻的位置測量，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布及其存在概率；
[0036] 更新分布合并與裁減模塊，用于對與各目標相關的更新邊緣分布進行裁減與合 并，得到當前時刻各目標的邊緣分布及其存在概率；根據當前時刻各目標的邊緣分布及其 存在概率，裁減掉存在概率小于第一閾值的邊緣分布；
[0037] 邊緣分布提取模塊，用于將裁減后余下的各邊緣分布及其存在概率作為下一時刻 遞歸的輸入，同時，提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
[0038]進一步地，在所述預測模塊中，以t-Ι表示前一時刻，t表示當前時刻，k表示目標 序號，k= 1，…，K，K為目標個數；
[0039] 前一時刻各目標的邊緣分布為NUkHAg, PtH)，其中，N表示高斯分布，XkH 表不前一時刻各目標的狀態向量，Kik^1和PtH分別表不前一時刻各目標的邊緣分布的均 值和方差；前一時刻各目標的邊緣分布的存在概率為P;預測的當前時刻各目標的邊 緣分布為NUuh^tlt+PttltJ，其中，N表示高斯分布，XttlH表示預測的當前時刻各目 標的狀態向量，HittlH和Pttlw分別表示預測的當前時刻各目標的邊緣分布的均值和方差； 預測的當前時刻各目標的邊緣分布的存在概率為Pttlw ;
[0040] 所述預測模塊具體用于：
[0041] 由Hik^1和PtH,得到2n+l個第一類Sigma點；所述2n+l個第一類Sigma點包 括 2κ個xk，。、η個xk;1、η個xk，1+n,其中，xk，。=ι?,,η,Λ^, =wAv,+Q(n+K)PkJ ,I=I,…，n,Jtw_in=WiiU-(^(? +r)Pu)"I=I,…，η;其中，n表示狀態向量的維數，κ為 尺度參數，[扣+K)PkJ...fI表示矩陣^(?+fc)Pk,,中第1列的列向量；所述2n+l個Sigma ?ζ·II 點的權重為we =·^-，vvZ=0/ 7 ^ 1 = 1，*··，η，冰/U1=5-i^1 = 1，·Η，η; ?η+κ?"--λ') 2(//iκ) 2?
[0042]由所述 2η+1 個第一類Sigma點預測HittlH和Pk，t|H;其中，#?Μ? , =Zw(xH)， /-Cl )-卿聲1) +υ其中，f (xk，i)和Qt-I分別表不非線性 I=CJ 高斯系統目標運動方程中的非線性函數和過程噪聲方差；Pk，tlH=ps，tP ，其中，ps，t為 目標的幸存概率；
[0043] 指定當前時刻新生目標的邊緣分布為綱Xt.,;<,，<,),k= 1，…，KY，t ;其中，KY，t 表示當前時刻新生目標的邊緣分布的個數，和產，分別表示各新生目標的邊緣分布的 均值和方差，給每一個新生目標的邊緣分布賦予一個存在概率Pγ，即/=P,，其中，k= 1. *··.KY;t ；
[0044] 將N(xk，t|HAtlWPttlH)和況(心,;《1；!.,，/^)合并，得到當前時刻各目標的預測 邊緣分布N(xk，t|HAtlH,PttlH),k= 1，...，Kp;該分布N(xk，t|HAtlH1PttlH)中，Kp =K+KY,t，當k>K時，i=!</,1^i 該分布Ν(χΜΙηPttlH)中各分布 的存在概率為Pk，t|t+k= 1，…，Kp，其中，當k>K時，= </β
[0045] 進一步地，在所述更新模塊中，所述位置測量為yt，yt = (yu,…，yM，t);當前時刻 各目標的更新邊緣分布為風?;》*",％,)，i= 1，一，Μ+Ι;其中，N表示高斯分布，xk，t表 示當前時刻各目標更新的狀態向量，和/分別表示當前時刻各目標的更新邊緣分布 的均值和方差；各目標的更新邊緣分布的存在概率為i= 1，"·，Μ+1 ;
[0046] 所述更新模塊具體用于：
[0047] 當i彡M時，由IHttlw和PttlH求得2η+1個第二類Sigma點，所述2η+1個 弟一類Sigma點包括2κ個?η個·?,|,】'η個七―冰.4，其中，·**車..丨=Wt.中丨' /__\ / __\ ++ 1> 1 =l，...，n， Wi--,=樹+λ.)Ρμ,___-_|，I =1，···，]!;其中，n表示狀態向量的維數，κ為尺度參數，(^(/7 +aHmI表示矩陣 _ J(n+λ-)Λ,,.中第1列的列向量；所述2η+1個第二類Sigma點的權重為==， V * W十Jt* ^ , 1 = !，…，n，1 = !，…，η;
[0048] 根據所述2n+l個第二類Sigma點得到九=￡vv,A(j4, ,) ? 1=0 Ar-λ私(XU卜λ)7 +具，A." ^ /讀 I?11 其中，/7(·4,Μ)和Rt分別表示非線性高斯系統傳感器觀測方程中的非線性函數和觀測噪聲 方差，Jv表示預測的觀測向量，Pk,y表示預測的觀測向量Λ的協方差矩陣，Ptxy表示狀態向 量與預測的觀測向量間的互協方差矩陣；
[0049] 根據λ和Pty，結合yt，利用貝葉斯規則得到當前時刻各目標的更新邊緣分 布機丨,，/?"），其中，k=i，...，kp，i=i，...，m+i，爾L丨,=削*-*..,+40^-A-)，/?, = -41^4，Ak =Pk，xy (Pk，，1 ;各目標的更新邊緣分布的存在概率為 IPixlPkJiiiN(yu^k^kJ A'f^￡^^7 其中，k =uP，i=n^ 為雜波 --~1 密度，Pd,t為目標的檢測概率；當i=Μ+1時，=AI,，丨，=丨，1，Pkj-f=PDj ^Pkj\i-\y
[0050] 進一步地，所述更新分布合并與裁減模塊具體用于：
[0051] 根據所述PLl,得到存在概率最大的更新邊緣分布分布的索引號j， j=argmax/?；； v.I, .Λ/ ·I
[0052] 設定門限仏并從厲:'麵^,|>心|<)中將(噸|/ - 1<1|,)/(1?;[<)!(艦\「劇、)^1/，1 =I, ...,M+l,i尹j的更新邊緣分布裁減掉；
[0053] 將余下的更新邊緣分布合并為一個邊緣分布N(xk，t ;mk，t,Ptt)，k= 1,…，Kp,合并 方法如下：^XpTT^fp，kAtm，hAt , ml, ^kJ= 'Σ#.沖kw+(爾。-腳*,<)(爾i,·-腳*'<)'];其中，L為由要合并的更新邊緣分 ieL 布的索引號形成的集合；合并后的更新邊緣分布的存在概率為Au=Oi1，k= icL 1，…，Kp;
[0054] 將合并后的更新邊緣分布N(xk，t ;mk，t，Ptt)和存在概率Ptt作為當前時刻各目標 的邊緣分布及存在概率；
[0055] 根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概率小于第一閾值的 邊緣分布。
[0056] 進一步地，所述邊緣分布提取模塊具體用于：
[0057] 將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入；
[0058] 提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
[0059] 本發明與現有技術相比，有益效果在于：不同于多目標貝葉斯濾波器在遞歸過程 中傳遞多目標狀態的聯合后驗分布，也不同于概率假設密度濾波器在遞歸過程中傳遞多目 標狀態聯合分布的一階矩，本發明所述的目標跟蹤方法在遞歸過程中傳遞各個目標的邊緣 分布和各個邊緣分布的存在概率，這樣就能減少了不同目標狀態間的相互干擾，以及雜波 對目標狀態的影響，利用本發明所述的目標跟蹤方法對測量數據進行處理時，能夠提高濾 波器對密集目標的分辨力和多目標跟蹤能力。
【專利附圖】
【附圖說明】
[0060] 圖1是本發明實施例提供的一種用于非線性高斯系統的目標跟蹤方法的流程示 意圖；
[0061]圖2是本發明實施例提供的一種用于非線性高斯系統的目標跟蹤系統的結構示 意圖；
[0062] 圖3是本發明實施例所使用的仿真測量數據；
[0063] 圖4是按照本發明與現有GM-PHD濾波方法的平均OSPA距離。
【具體實施方式】
[0064] 為使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本 發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不 用于限定本發明。
[0065]不同于現有多目標貝葉斯濾波器維持多目標狀態的聯合后驗密度，本發明所提供 的多目標貝葉斯濾波器聯合傳遞各個目標狀態的邊緣分布和它們的存在概率。為了處理目 標運動和傳感器測量模型中的非線性，本發明使用無跡變換將濾波器遞歸過程中的積分運 算問題轉化為圍繞Sigma點的數值計算。進而使本發明可用于非線性高斯系統，同時也提 高了本發明對密集目標的分辨力和目標跟蹤能力。
[0066] 如圖1所示，本發明提供了一種用于非線性高斯系統的目標跟蹤方法，該方法包 括如下步驟：
[0067]步驟Sl:根據前一時刻各目標的邊緣分布及其存在概率，預測前一時刻已經存在 的目標在當前時刻的邊緣分布及其存在概率，并為當前時刻新生的目標指定相應的邊緣分 布及其存在概率；對預測的前一時刻已經存在的目標在當前時刻的邊緣分布及其存在概 率，以及為當前時刻新生的目標指定的相應的邊緣分布及其存在概率進行合并，形成當前 時刻各目標的預測邊緣分布及其存在概率；
[0068]步驟S2:根據當前時刻各目標的預測邊緣分布及其存在概率，以及當前時刻的位 置測量，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布及其存在概率；
[0069] 步驟S3 :對與各目標相關的更新邊緣分布進行裁減與合并，得到當前時刻各目標 的邊緣分布及其存在概率；根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概 率小于第一閾值的邊緣分布；
[0070] 步驟S4 :將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入，同 時，提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
[0071] 步驟Sl中，以t-Ι表示前一時刻，t表示當前時刻，k表示目標序號，k= 1，…，K， K為目標個數；
[0072] 前一時刻各目標的邊緣分布為NUkHAg,PttJ，其中，N表示高斯分布，XkH 表不前一時刻各目標的狀態向量，Kik^1和PtH分別表不前一時刻各目標的邊緣分布的均 值和方差；前一時刻各目標的邊緣分布的存在概率為PtH;預測的當前時刻各目標的邊 緣分布為NUuh^tlt+PttltJ，其中，N表示高斯分布，XttlH表示預測的當前時刻各目 標的狀態向量，HittlH和Pttlw分別表示預測的當前時刻各目標的邊緣分布的均值和方差； 預測的當前時刻各目標的邊緣分布的存在概率為Pttlw ;
[0073] 所述步驟1包括：
[0074] 由Hik^1和PtH,得到2n+l個第一類Sigma點；所述2n+l個第一類Sigma點包 括 2κ個xk，。、η個xk;1、η個xk，1+n，其中，xk，。=ι?,,η，Jrw =Ww ,+{j(n+tc)PkJl)rI= I, ···,n,Xklill =mu , - (J(，! +r)/^丨)"I=I,…，n;其中，n表示狀態向量的維數,κ為 尺度參數，(」(η+κ?Ι\.Μ)丨表示矩陣^jin+ 中第1列的列向量；所述2η+1個Sigma κ 1 1 點的權重為 ％ =- >wi=""Zf__________________7_____________________； ?1 = 1, *··,n,Vltn =___________________=______________叉,I= 1, ···,η； H+ΛΓ 十Λ") ~rK) 2η
[0075] 由所述 2η+1 個第一類Sigma點預測IHttlH和PttlH;其中，ι?Μ, , =Ιιν,./ΧΧυ)， In j, A-ΦiJ)-+6h;其中，fUu)和Qh分別表示非線性 ?:?> 高斯系統目標運動方程中的非線性函數和過程噪聲方差；Pk，tlH=ps，tPkH，其中，ps，t為 目標的幸存概率；
[0076] 指定當前時刻新生目標的邊緣分布為k= 1，…，KY，t ;其中，KY，t 表示當前時刻新生目標的邊緣分布的個數，和^^分別表示各新生目標的邊緣分布的 均值和方差，給每一個新生目標的邊緣分布賦予一個存在概率Pγ，即/< =/\，其中，k= 1. *··.KY;t ；
[0077] 將NUuh ;πιμ|η，Ρμ|η)和合并，得到當前時刻各目標的預測 邊緣分布N(xk，t|HAtlH,PttlH),k= 1，...，Kp;該分布N(xk，t|HAtlH1PttlH)中，Kp = K+KY,t，當k>K時，該分布N(Xk,t|H 中各分布 的存在概率為pUlt-Pk= 1，…，Kp，其中，當k>K時，ρΜ?...., =4/?
[0078] 步驟S2中，所述位置測量為yt，yt= (yi，t，"、yM，t);當前時刻各目標的更新邊緣 分布為呎·^.,;#'/^,)，i= 1，"·，Μ+1 ;其中，N表示高斯分布，Xtt表示當前時刻各目標 更新的狀態向量，和分別表示當前時刻各目標的更新邊緣分布的均值和方差；各 目標的更新邊緣分布的存在概率為i= 1，"·，Μ+1 ;
[0079] 所述步驟2包括：
[0080] 當i彡M時，由IHttlw和PttlH求得2η+1個第二類Sigma點，所述2η+1個 第二類Sigma點包括2κ個以......，，η個·<,丨（，，η個^丨，其中，<,,=， 4,,/ I =?hxv i +{pi +fc)PkJ")r I =I, - , n,X1uil , =mkJ]f ,-Q(" +fC)Ptl")r I =I, ···，]!;其中，n表示狀態向量的維數，K為尺度參數，^yJin+f<')PkA,, )t表示矩陣 __ r +ic)Pkjh,中第1列的列向量；所述2n+l個第二類Sigma點的權重為％ = ， 1 1 =$7^，1 =I…，n，=瓦^，1 =I…，n; 2?
[0081] 根據所述2n+l個第二類Sigma點得到jA = 1M.Vd,,)， /=U 2w 2? . I-Q 其中，,)和Rt分別表示非線性高斯系統傳感器觀測方程中的非線性函數和觀測噪聲 方差，#?表示預測的觀測向量，Pty表示預測的觀測向量Λ的協方差矩陣，Ptxy表示狀態向 量與預測的觀測向量間的互協方差矩陣；
[0082] 根據λ和Pty,結合yt，利用貝葉斯規則得到當前時刻各目標的更新邊緣分 布叫?;》4中， /11()，其中，1^ = 1，...，?，1 = 1，...，+1，獅1#=樹_"+4(爲廠爲）》 C丨,=乃4,--丨-，Ak=Ptxy(Pty)-1;各目標的更新邊緣分布的存在概率為 ,. Pn,Pu￥^r(yJ PkAr.....' ^ :-^TW其中，k= 1，...，KP，i= 1，…，M，入"為雜波 A... +Pik1Lp^tN(y,ny^KJ e~l 密度，PD，t為目標的檢測概率；當i=M+1時，爾。嚴爾UJ3L巧=!， PkJU = 0 ?Pdj )Pkj\iI 0
[0083] 步驟S3中：
[0084] 對與目標k相關的M+1個更新邊緣分布i= 1，...，M+1進行裁減 與合并，得到當前時刻目標k的邊緣分布N(x;mk，t,Pk，t);
[0085] 所述步驟3包括：
[0086] 根據所述得到存在概率最大的更新邊緣分布分布的索引號j，
[0087] 設定門限U，并從況(X。刪。，沖）中將丨,-#?.丨彳(Pil) 1 ( ?l\r ,i =I, ...,M+l,i尹j的更新邊緣分布裁減掉；
[0088] 將余下的更新邊緣分布合并為一個邊緣分布N(xk，t ;mk，t,Ptt)，k= 1,…，Kp,合并 方法如下：， i&L PkJ=[只.::I凡沖[仏沖+ (爾*沖-化)(繼4-沖-)L其中，L為由要合并的更新邊緣分 Sii-L 布的索引號形成的集合；合并后的更新邊緣分布的存在概率為Puk= ig￡ 1，…，Kp;
[0089] 將合并后的更新邊緣分布N(xk，t ;mk，t，Ptt)和存在概率Pk，t作為當前時刻各目標 的邊緣分布及存在概率；
[0090] 根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概率小于第一閾值的 邊緣分布。
[0091] 步驟S4包括如下步驟：
[0092] 所述步驟4具體包括如下步驟：
[0093] 將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入；
[0094] 提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
[0095] 如圖2所示，本發明還提供了一種用于非線性高斯系統的目標跟蹤系統，該系統 包括：
[0096] 預測模塊1，用于根據前一時刻各目標的邊緣分布及其存在概率，預測前一時刻已 經存在的目標在當前時刻的邊緣分布及其存在概率，并為當前時刻新生的目標指定相應的 邊緣分布及其存在概率；對預測的前一時刻已經存在的目標在當前時刻的邊緣分布及其存 在概率，以及為當前時刻新生的目標指定的相應的邊緣分布及其存在概率進行合并，形成 當前時刻各目標的預測邊緣分布及其存在概率；
[0097] 更新模塊2,用于根據當前時刻各目標的預測邊緣分布及其存在概率，以及當前時 刻的位置測量，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布及其存在概率；
[0098] 更新分布合并與裁減模塊3,用于對與各目標相關的更新邊緣分布進行裁減與合 并，得到當前時刻各目標的邊緣分布及其存在概率；根據當前時刻各目標的邊緣分布及其 存在概率，裁減掉存在概率小于第一閾值的邊緣分布；
[0099] 邊緣分布提取模塊4,用于將裁減后余下的各邊緣分布及其存在概率作為下一時 刻遞歸的輸入，同時，提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
[0100] 在預測模塊1中，以t-ι表示前一時刻，t表示當前時刻，k表示目標序號，k= 1，…，K，K為目標個數；
[0101] 前一時刻各目標的邊緣分布為NUkHAh,PttJ，其中，N表示高斯分布，XkH 表不前一時刻各目標的狀態向量，Kik^1和PtH分別表不前一時刻各目標的邊緣分布的均 值和方差；前一時刻各目標的邊緣分布的存在概率為P;預測的當前時刻各目標的邊 緣分布為NUuh^tlt+PttltJ，其中，N表示高斯分布，XttlH表示預測的當前時刻各目 標的狀態向量，HittlH和Pttlw分別表示預測的當前時刻各目標的邊緣分布的均值和方差； 預測的當前時刻各目標的邊緣分布的存在概率為Pttlw ;
[0102] 預測模塊1具體用于：
[0103] 由和PtH,得到2n+l個第一類Sigma點；所述2n+l個第一類Sigma點包 括 2κ個xk，。、η個xk;1、η個xk，1+n，其中，xk，。=πι,,η，=廁_ +Q(? +/r)P"丨),，I= 1，…，n, =Wiiv..,-I= 1，…，η;其中，n表示狀態向量的維數,κ為 尺度參數，[」(n+K)Ptj4I表示矩W^j(n+K)Pkji中第1列的列向量；所述2n+l個Sigma 點的權重為 1? = ^1 = 1，…，n，I, = 1 = 1，…，η; 2m
[0104] 由所述 2n+l個第一類Sigma點預測HittlH和PttlH;其中，卿M, , = ， 2ηγ =Σ</(?> -卿-卿丨)I;其中，f(xk丨）和Qh分別表示非線性 I=O ， 高斯系統目標運動方程中的非線性函數和過程噪聲方差；Pk，tlH=ps，tP ，其中，ps，t為 目標的幸存概率；
[0105] 指定當前時刻新生目標的邊緣分布為k= 1，…，KY，t ;其中，KY，t 表示當前時刻新生目標的邊緣分布的個數，和Ci,分別表示各新生目標的邊緣分布的 均值和方差，給每一個新生目標的邊緣分布賦予一個存在概率Pγ，即Pii =Py，其中，k= 1. *··.KY;t ；
[0106] 將N(xk，t|H;πιμ|η，Ρμ|η)合并，得到當前時刻各目標的預測 邊緣分布N(xk，t|H!HittlH,PttlH),k= 1，...，Kp;該分布N(xk，t|HAtlH1PttlH)中，Kp = K+KY,t，當k>K時，,=爾丨丨，,=#/;該分布NOcttlH叫,^，PttlH)中各分布 的存在概率為Pttlt+k= 1，···，Kp，其中，當k>K時，
[0107] 在更新模塊2中，所述位置測量為yt，yt=(yiy，yM，t);當前時刻各目標的更新 邊緣分布為i= 1，"·，Μ+1 ;其中，N表示高斯分布，xk,t表示當前時刻各 目標更新的狀態向量,《?Μ#1!/分別表示當前時刻各目標的更新邊緣分布的均值和方差； 各目標的更新邊緣分布的存在概率為PU，i= 1，…，M+1 ;
[0108] 所述更新模塊2具體用于：
[0109] 當i彡M時，由HittlH和PttlH求得2n+l個第二類Sigma點，所述2n+l個 第二類Sigma點包括2κ個摩-t，η個（丨，，，η個Cι，其中，xLi/丨=ι， χ?^-ι=mk.,y-i+ij(n+K)Pks-i\^I=l，...，n， 4,(, (=nhfV .Λ^η +K)PkJil ,I =I,…，n;其中，n表示狀態向量的維數，K為尺度參數，,表示矩陣 J(n.......+ .........丨中第1列的列向量；所述2n+l個第二類Sigma點的權重為， W ' /1IΛ. _ 1 1 1 2(n+r) ，，，'+" 2(?.r) ，，， 2?
[0110] 根據所述2η+1個第二類Sigma點得到九=,)，
【權利要求】
1. 一種用于非線性高斯系統的目標跟蹤方法，其特征在于，包括以下步驟： 步驟1 :根據前一時刻各目標的邊緣分布及其存在概率，預測前一時刻已經存在的目 標在當前時刻的邊緣分布及其存在概率，并為當前時刻新生的目標指定相應的邊緣分布及 其存在概率；對預測的前一時刻已經存在的目標在當前時刻的邊緣分布及其存在概率，以 及為當前時刻新生的目標指定的相應的邊緣分布及其存在概率進行合并，形成當前時刻各 目標的預測邊緣分布及其存在概率； 步驟2 :根據當前時刻各目標的預測邊緣分布及其存在概率，以及當前時刻的位置測 量，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布及其存在概率； 步驟3 :對與各目標相關的更新邊緣分布進行裁減與合并，得到當前時刻各目標的邊 緣分布及其存在概率；根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概率小 于第一閾值的邊緣分布； 步驟4 :將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入，同時，提 取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
2. 根據權利要求1所述的用于非線性高斯系統的目標跟蹤方法，其特征在于，所述步 驟1中，以t-ι表示前一時刻，t表示當前時刻，k表示目標序號，k= 1，…，K，K為目標個 數； 前一時刻各目標的邊緣分布為NUkHPk^1),其中，N表示高斯分布，Xk^1表示 前一時刻各目標的狀態向量，Hik^1和Pk^1分別表不前一時刻各目標的邊緣分布的均值和 方差；前一時刻各目標的邊緣分布的存在概率為Pk^1 ;預測的當前時刻各目標的邊緣分 布為N(xk，t|t-i;mk，t|t-i，Pk，t|t-i)，其中，N表示高斯分布，xk，t|t-i表示預測的當前時刻各目標的 狀態向量，HittlH和Pttlw分別表示預測的當前時刻各目標的邊緣分布的均值和方差；預測 的當前時刻各目標的邊緣分布的存在概率為Pttlw ; 所述步驟1包括： 由mk，t-i和Pk，t-1，得到2n+l個第一類Sigma點；所述2n+l個第一類Sigma點包括2K個Xtc^n個xk，ηη個xk，1+n，其中，xk，。=πι,,η，Iw+Q(n+κ)Ρ?ι___ι\,I=I, -,n, a*a-./?=mu-\-(yj(n+/CjPluJrI=I,...,n;其中，n表示狀態向量的維數，K為尺度參 數，(扣+r)p*."),表示矩陣+K)Pkj ,中第1列的列向量；所述2n+l個Sigma點的權 rI 1 重為％，評1=^^' 1 = 1，…，n，W)"l=?(^, 1 = 1，...，n; 2m 由所述2n+l個第一類Sigma點預測mk,t|H和PttlH;其中， 2ηψ pM, , 叫(.,(；./) -樹Μ")(/(χ?) -) +Cm;其中，f(Xtl)和Qh分別表示非線性 高斯系統目標運動方程中的非線性函數和過程噪聲方差；Pk，tlH=ps，tPkH，其中，ps，t為 目標的幸存概率； 指定當前時刻新生目標的邊緣分布為k= 1，…，KY，t ;其中，KY，t表 示當前時刻新生目標的邊緣分布的個數，和戶),分別表示各新生目標的邊緣分布的均 值和方差，給每一個新生目標的邊緣分布賦予一個存在概率Pγ，即/^ =朽，其中，k= 1. *··.KY;t ； 將N(xk，tiη;mk，t,t_i，Pk，t,t_)和4)合并，得到當前時刻各目標的預測邊緣 分布N(xk，t|H^ttlt-DPttlHhk= 1，...，Kp ;該分布N(xk，t|H仰以卜"卩以卜!）中，Kp =K+KY，t， 當k>K時，繼M,I 巧,丨，I= ;該分布N(xk，t|H仰以卜"PttlH)中各分布的存在 概率為Pk，t|H，k= 1，···，Κρ，其中，當k>K時，pM,I
3.根據權利要求2所述的用于非線性高斯系統的目標跟蹤方法，其特征在于，所述步 驟2中： 所述位置測量為yt，yt = (yi，t，一，yM，t);當前時刻各目標的更新邊緣分布為i= 1，…，M+1 ;其中，N表示高斯分布，xk>t表示當前時刻各目標更新的 狀態向量，HiLl,和分別表示當前時刻各目標的更新邊緣分布的均值和方差；各目標的 更新邊緣分布的存在概率為pLii，i= 1，"·，Μ+1 ; 所述步驟2包括： 當i<M時，由IiittlH和PttlH求得2η+1個第二類Sigma點，所述2η+1個第-類Sigma點包括 2κ個 】.》η個》η個Iivlf!> 其中，Xn.丨=Wi.，|卜I， ! -^kJU! *" (·/?^+::)片:<丨，1 1，，n， I -mkj\iI ~ +IcJPtjIil [ 1, 1 =1,…，η;其中，η表示狀態向量的維數，K為尺度參數，表示矩陣 JC +κ)Ρ?Η ,中第1列的列向量；所述2η+1個第二類Sigma點的權重為>%=?， 1 1wI =;____________;_____________、，1 = 1，…，η，Μ，，,,，： ' 1 = 1，…，η ; 2(n+r) 2(/ι+r) 根據所述2n+l個第二類Sigma點得到九二i) * i-fsi} pk.v=ΣΗ，?(hixU--i) ^Λ- ) ^S'kJ+Λ, ,Pkxv=YjW1 (4，!，-, -miJlh4Jhix1^) ^yk ) ·, ?-{) 其中，AdL,Ο和Rt分別表示非線性高斯系統傳感器觀測方程中的非線性函數和觀測 噪聲方差，表示預測的觀測向量，Pk，y表示預測的觀測向量Λ的協方差矩陣，Ptxy表示狀 態向量與預測的觀測向量間的互協方差矩陣； 根據λ和Pty，結合yt，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布 州心.,;，"，6./|;)，其中，k=l，…，Kp，i = l，…，M+1，爾Lli=爾*.,卜,+為-(九-λ)，=iLh-4Κ，Ak =Puy(Pfcy)-1;各目標的更新邊緣分布的存在概率為 y.二Ρ". Λα,、Nm.y) PkJ'r'5 二-^.D ,' 其中，k= 1，...，KP，i= 1，...，M，入"為雜波
4.,+Ρ?Κ,ΣΡ^l^(y,nye^ej e=l 密度，PD，t為目標的檢測概率；當i=M+l時，》+*i,,丨尸繼M,，= ， Pk.Φ=(l-p[)J ?
4. 根據權利要求3所述的用于非線性高斯系統的目標跟蹤方法，其特征在于，所述步 驟3中： 對與目標k相關的M+1個更新邊緣分布呵1;?4.巾，*^|,)，i= 1，"·，Μ+1進行裁減與合 并，得到當前時刻目標k的邊緣分布N(x;mk，t,Pk，t); 所述步驟3包括： 根據所述/?M,得到存在概率最大的更新邊緣分布分布的索引號j, ./ = ； 設定門限u，并從爾。中將(繼(py1(樹，4Γ，i= 1，...，M+1，i尹j的更新邊緣分布裁減掉； 將余下的更新邊緣分布合并為一個邊緣分布N(xk，t ;mk，t,Pk，t)，k= 1，···，&，合并方法 如下：卿·=..工戶，............ Σλ.ψλ,*,φ ? p^t= ......j...各尤丨，+《爾丨-wL)《卿丨-ψ-l·其中，L為由要合并的更新邊 iiL 緣分布的索引號形成的集合；合并后的更新邊緣分布的存在概率為~ = ieL =1，...，κρ; 將合并后的更新邊緣分布N(xkt;mkt，Pkt)和存在概率Pkt作為當前時刻各目標的邊 緣分布及存在概率； 根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概率小于第一閾值的邊緣 分布。
5. 根據權利要求4所述的傳遞邊緣分布及存在概率的目標跟蹤方法，其特征在于，所 述步驟4具體包括如下步驟： 將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入； 提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
6. -種用于非線性高斯系統的目標跟蹤系統，其特征在于，包括： 預測模塊，用于根據前一時刻各目標的邊緣分布及其存在概率，預測前一時刻已經存 在的目標在當前時刻的邊緣分布及其存在概率，并為當前時刻新生的目標指定相應的邊緣 分布及其存在概率；對預測的前一時刻已經存在的目標在當前時刻的邊緣分布及其存在概 率，以及為當前時刻新生的目標指定的相應的邊緣分布及其存在概率進行合并，形成當前 時刻各目標的預測邊緣分布及其存在概率； 更新模塊，用于根據當前時刻各目標的預測邊緣分布及其存在概率，以及當前時刻的 位置測量，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布及其存在概率； 更新分布合并與裁減模塊，用于對與各目標相關的更新邊緣分布進行裁減與合并，得 到當前時刻各目標的邊緣分布及其存在概率；根據當前時刻各目標的邊緣分布及其存在概 率，裁減掉存在概率小于第一閾值的邊緣分布； 邊緣分布提取模塊，用于將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸 的輸入，同時，提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
7.根據權利要求6所述的一種用于非線性高斯系統的目標跟蹤系統，其特征在于，在 所述預測模塊中，以t-Ι表示前一時刻，t表示當前時刻，k表示目標序號，k= 1，···，!(，K為 目標個數； 前一時刻各目標的邊緣分布為NUkHPk^1),其中，N表示高斯分布，Xk^1表示 前一時刻各目標的狀態向量，Hlk^1和Pk^1分別表不前一時刻各目標的邊緣分布的均值和 方差；前一時刻各目標的邊緣分布的存在概率為Pk^1 ;預測的當前時刻各目標的邊緣分 布為N(xk，t|t-i ;mk，t|t-i，Pk，t|t-i)，其中，N表示高斯分布，xk，t|t-i表示預測的當前時刻各目標的 狀態向量，HittlH和Pttlw分別表示預測的當前時刻各目標的邊緣分布的均值和方差；預測 的當前時刻各目標的邊緣分布的存在概率為Pttlw ; 所述預測模塊具體用于： 由mk，t-i和Pk，t-1，得到2n+l個第一類Sigma點；所述2n+l個第一類Sigma點包括2K個xk，。、η個xk，!、η個xk，1+n,其中，xk，。=mk，η,JCi;=//Ii.,I1+(^(n+fc)PU4)rI=1，…，n， xu'"=muI-(扣+QPuA,I= 1，…，n;其中,n表示狀態向量的維數，K為尺度參數， +K)Pkt{I.表示矩陣^j(n+>c)PkJ ,中第1列的列向量；所述2n+l個Sigma點的權重 K ^I 1 為 = ^ ，1 =丄，...，n，Wh, = ，1 =丄，...，n ; 2? 由所述 2n+l個第一類Sigma點預測HittlH和PttlH;其中，1二? Inψ pM,二Σ叫(/(?）--丨)+0H;其中，f(xk;1)和Qt-i分別表示非線性 高斯系統目標運動方程中的非線性函數和過程噪聲方差；Pk，tlH=ps，tP ，其中，ps，t為 目標的幸存概率； 指定當前時刻新生目標的邊緣分布為k= 1，…，KY，t;其中，KY，t表 示當前時刻新生目標的邊緣分布的個數，Wjv和P上分別表示各新生目標的邊緣分布的均 值和方差，給每一個新生目標的邊緣分布賦予一個存在概率Pγ，即=6,其中，k=
1. *··.KY;t ； 將NUttlH;Π1Μ|Η，PttlH)和#(·%,;<,，#)合并，得到當前時刻各目標的預測邊緣 分布N(xk，t|H^ttlt-DPttlHhk= 1，...，Kp;該分布N(xk，t|H!mkdH.PkdH)中，Kp=K+KY，t， 當k>K時，= =If:廣；該分布NUttlH!HIttlH,PttlH)中各分布的存在 概率為Pk，t|H，k= 1，···，ΚΡ，其中，當k>K時，A4, , =4/?
8.根據權利要求7所述的一種用于非線性高斯系統的目標跟蹤系統，其特征在于，在 所述更新模塊中，所述位置測量為yt，yt= (yu，···^^);當前時刻各目標的更新邊緣分布 為/ν(Λγ,;?ι丨.ifii= 1，一,M+!;其中，N表示高斯分布，Xtt表示當前時刻各目標更新 的狀態向量，》<4,和分別表示當前時刻各目標的更新邊緣分布的均值和方差；各目標 的更新邊緣分布的存在概率為，i= 1，"·，Μ+1 ; 所述更新模塊具體用于： 當i<M時，由IiittlH和PttlH求得2η+1個第二類Sigma點，所述2η+1個第 二類Sigma點包括 2κ個 1,η 個 >4，，，η 個C〖，其中，,=Wtil,丨，
4.,yI =muy I +(pi +K)P/u")rI= 1，…，η， ,=mkAt , -Q(?+/c)PM,, )"I =I, ···,]!;其中，η表示狀態向量的維數，κ為尺度參數，,j,表示矩陣 __K ^jin +K)PkJhl中第1列的列向量；所述2n+l個第二類Sigma點的權重為w'" ， II wi=ττ,-^I=I, *··,η,Μν+" =-τ-^ 1 = 1，...，η; 2(/ι+λγ) 2(η+r) 2π 根據所述2η+1個第二類Sigma點得到Λ= i)， ?~? Pk,r= Σ W，/ (Α(Χ?.ψ-1 ) ^ λ ) ^K ? Ρ?τψ =X ?7{4.φ-1 - ?Η44·,-1 )^ λ)'； Μ /-ι? 其中，Μ·4" ,)和Rt分別表示非線性高斯系統傳感器觀測方程中的非線性函數和觀測 噪聲方差，Λ表示預測的觀測向量，pk,y表示預測的觀測向量Λ的協方差矩陣，Ptxy表示狀 態向量與預測的觀測向量間的互協方差矩陣； 根據Λ和Pty，結合yt，利用貝葉斯規則得到當前時刻各目標的更新邊緣分布攢二山其中，k = 1，...，KP，i = 1，...，M+1，爾"=爾Μ?....,+4-(凡-Λ)， ' =*Ak =Pk,xy (Pk,yr;各目標的更新邊緣分布的存在概率為
其中，k= 1，···，&，i= 1，···，，λ。，，為雜波 密度，PD，t為目標的檢測概率；當i=Μ+1時，;，丨,=爾J；j,，=A.,卜,，PU=(l-Pmhw>
9. 根據權利要求8所述的一種用于非線性高斯系統的目標跟蹤系統，其特征在于，所 述更新分布合并與裁減模塊具體用于： 根據所述PLlf得到存在概率最大的更新邊緣分布分布的索引號j， 設定門限U,并從./V(?;麻",中將 丨（iw、r〇,a/.i= 1，...，M+1，i尹j的更新邊緣分布裁減掉； 將余下的更新邊緣分布合并為一個邊緣分布N(xk，t ;mk，t,Pk，t)，k= 1，···，&，合并方法 如下：《lAv = ， W-L
其中，L為由要合并的更新邊 緣分布的索引號形成的集合；合并后的更新邊緣分布的存在概率為Hn if：-：L k= 1，…，Kp; 將合并后的更新邊緣分布N(xkt;mkt，Pkt)和存在概率Pkt作為當前時刻各目標的邊 緣分布及存在概率； 根據當前時刻各目標的邊緣分布及其存在概率，裁減掉存在概率小于第一閾值的邊緣 分布。
10. 根據權利要求9所述的一種用于非線性高斯系統的目標跟蹤系統，其特征在于，所 述邊緣分布提取模塊具體用于： 將裁減后余下的各邊緣分布及其存在概率作為下一時刻遞歸的輸入； 提取存在概率大于第二閾值的邊緣分布作為當前時刻的輸出。
【文檔編號】G06F19/00GK104318059SQ201410494854
【公開日】2015年1月28日 申請日期:2014年9月24日 優先權日:2014年9月24日
【發明者】劉宗香, 陳飛, 謝維信, 李良群 申請人:深圳大學