买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：四川九洲电器集团有限责任公司

摘要：本发明公开了一种基于交互多模型的目标长时轨迹预测方法，涉及轨迹预测技术领域，本发明首先构建了一个覆盖飞行目标可能的运动状态的运动模型集，将上一时刻的输入交互作为模型的输入，然后通过无迹卡尔曼滤波器进行模型条件滤波和状态预测，再对各个运动模型的概率进行更新，最后输出多个模型交互融合值，并进行转移概率矩阵值自适应调整和准确率评估。本发明采用IMM算法，设计了合适的模型集和滤波器，当存在观测数据时能够有效地提升飞行目标轨迹的预测精度，当不存在符合要求的观测数据时能够进行长时轨迹预测。

主权项：1.一种基于交互多模型的目标长时轨迹预测方法，其特征在于，包括：步骤1、构建运动模型集，运动模型包括匀速模型、匀加速模型、协同转弯模型；步骤2、根据k-1时刻的目标状态估计和每个模型滤波器概率，计算混合状态估计和混合协方差，并作为各个运动模型的初始状态值；步骤3、将混合状态估计、混合协方差以及观察值作为滤波器输入，每个子模型均采用UKF进行滤波更新，得到更新的状态和协方差；步骤4、采用似然函数更新目标在k时刻的运动状态属于第j个运动模型Mj的概率；步骤5、根据目标运动状态的不同特征对每个运动模型的转移概率矩阵值进行自适应调整以动态更新运动模型；步骤6、判断是否有观测数据输入模型，若是，则对各个滤波器的估计结果加权合并，计算总状态估计和总协方差估计，并将计算输出作为下一次递推的输入，返回步骤2进行下一次递推；若否，则根据历史模型概率值和转移概率矩阵进行长时轨迹预测，通过多次递推获得飞行目标未来长时的轨迹状态；所述步骤1具体包括：根据目标运动特性，建立一个覆盖飞行目标运动状态的运动模型集[M1,M2,…,Mn]，包括匀速模型、匀加速模型、协同转弯模型，其中协同转弯模型包括左协同转弯模型和右协同转弯模型，n表示运动模型集中进行交互作用的模型个数；设第j个运动模型Mj表示的目标状态方程为，观察方程为，式中：表示状态转移矩阵；Xjk表示系统在k时刻的状态向量；Gjk为过程噪声矩阵；Wjk是均值为零、协方差矩阵为Qj的白噪声序列；Hk为系统的观察矩阵；Vk是均值为零、协方差矩阵为Rj的高斯观测噪声序列；确定运动模型集相应的状态转移矩阵、测量矩阵和模型概率初始值；所述步骤2具体包括：根据k-1时刻的目标状态估计和每个模型滤波器概率，计算混合状态估计和混合协方差作为当前循环的初始状态值，各个参数的计算过程如下：计算在k-1时刻由其他模型转移到Mj的总预测概率，即由第i个运动模型Mi转移到Mj的混合概率，计算公式为： 其中，为归一化常数，pij为马尔科夫转移概率矩阵P的元素，表示目标由第i个模型转移到第j个模型的概率；计算第j个运动模型Mj的混合状态估计，计算公式为： 计算第j个运动模型Mj的混合协方差估计，计算公式为： 其中为模型Mi在k-1时刻的协方差；所述步骤3具体包括：将混合状态估计、混合协方差以及观察值Zk作为各个运动模型的初始状态输入；对每个运动模型采用无迹卡尔曼滤波器进行状态估计，步骤如下：通过无迹变换得到一组采样点，称为Sigma点集，以及得到相应均值权重和协方差权重，计算系统状态量的一步预测值： 式中表示状态转移矩阵；对Sigma点集的预测值加权求均值，得到系统状态量的一步预测和协方差，计算公式分别为： ， 其中，r为模型输入的状态维数；根据一步预测值，再次使用无迹变换，构造新的Sigma点集，将其代入系统观测方程，得到Sigma点集的进一步观测预测值： 式中为系统的观察矩阵；通过加权求和获得系统预测的均值和协方差： ， ， ，式中为第j个模型的观测值协方差，为第j个模型的观测值和预测值的协方差；计算得到增益矩阵为： 从而得到更新的状态和协方差为： ， ；所述步骤4具体包括：采用似然函数更新目标在k时刻的运动状态属于第j个运动模型Mj的概率： 其中，为似然函数，exp.表示计算以自然对数e为底的幂级数；det.表示计算行列式的值；；所述步骤5具体包括：对于运动子模型Mj，定义其在k-1时刻和k时刻的概率分别为和，设置调整函数为：，其中为概率差，表示在连续时间点上与真实运动模型的匹配程度的变化量；对转移概率矩阵值进行调整和归一化，得到： 其中，和分别为k-1时刻和k时刻的转移概率矩阵值；对转移概率矩阵P的对角元素pii设置阈值，且有，当时，保持调整结果不变；当时，对矩阵元素进行二次调整，调整方法为 下一次状态估计计算时采用更新调整后的转移概率矩阵值；所述根据历史模型概率值和转移概率矩阵进行长时轨迹预测，通过多次递推获得飞行目标未来长时的轨迹状态，包括：根据状态转移概率矩阵值pij、k-1时刻每个模型滤波器概率，计算得到k时刻子运动模型Mj的预测概率为；根据各个子模型的预测概率、预测状态值和预测协方差，得到相应的状态预测值和预测协方差分别为： ， ；根据获得的飞行目标下一时刻的飞行状态的预测结果以及多次递推获得的多个采样周期后的各个子模型概率值作为后续预测的输入，获得飞行目标未来长时轨迹状态。

全文数据：

权利要求：

百度查询： 四川九洲电器集团有限责任公司 一种基于交互多模型的目标长时轨迹预测方法