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！

龙图腾网恭喜电子科技大学申请的专利基于分布式PMHT的多目标跟踪方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115508822B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211342629.5，技术领域涉及：G01S13/66；该发明授权基于分布式PMHT的多目标跟踪方法是由姚思亦;宋廷松;赖锐;高林;李万春设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本基于分布式PMHT的多目标跟踪方法在说明书摘要公布了：本发明属于目标跟踪技术领域，具体涉及基于分布式PMHT的多目标跟踪方法。该场景下用PMHT算法处理多目标跟踪的数据关联问题，采用多传感器获得更稳定精确的跟踪效果。本发明将其拓展到PMHT分布式算法，在保证跟踪精度的情况下灵活性实时性更强并且融合计算量更低。本发明可以很好的在临近和交叉等复杂环境下进行多目标跟踪，分布式PMHT算法下每个传感器对目标状态的跟踪结果趋于一致，并且有着优于单传感PMHT算法的跟踪精度。分布式PMHT算法与集中式相比，计算量更小，灵活性和及时性更高，并拥有与其接近的跟踪效果。

本发明授权基于分布式PMHT的多目标跟踪方法在权利要求书中公布了：1.基于分布式PMHT的多目标跟踪方法，定义多目标跟踪场景下的目标总数为M，传感器个数为S，传感器s的坐标表示为Us，表示目标m在x,y轴上的运动速度信息和位置信息xmt,ymt，则t时刻目标m的状态参数表示为X＝{xmt}，传感器s在t时刻的第r个测量值表示为量测和目标的关联关系表示为在t时刻传感器s的rth测量来自目标p的先验概率为πp，p＝1...M，并且πp＝Prkr,st＝p；其特征在于，所述多目标跟踪方法包括以下步骤：S1、定义第m个目标的运动符合线性模型，其状态方程和观测方程为：xmt+1＝Fmtxmt+vmtZm,st＝hstxmt+wm,st其中，Zm,st表示t时刻传感器s接收到的第m个目标产生的量测，过程噪声vmt和量测噪声wm,st为互相独立的0均值高斯白噪声，且Qmt与Rm,st分别为它们的协方差矩阵：Qmt＝E{vmtvmtT},Rm,st＝E{wm,stwm,stT}；hst和Fmt分别观测矩阵和状态转移矩阵，采样间隔为△t，则： S2、根据量测和目标的关联关系即概率模型隐变量由观测得到对状态参数X的最大似然求解式： S3、采用PMHT算法得到新的量测和协方差，PMHT算法是基于EM算法的批处理跟踪算法，首先进行E-step，定义Q函数如下所示： 再进行M-step，包括：首先计算后验概率： 为传感器s在t时刻的rth量测是由目标kr,st产生的后验概率，表示变量χ以μ为均值、Σ为协方差的高斯分布；表示传感器s在t时刻的rth量测是由目标kr,st产生的先验概率，与表示目标kr,st量测的均值与协方差，同理，与Rp,st表示传感器s对目标p量测的均值与协方差，V表示传感器侦察面积，表示传感器s在t时刻的rth量测来自虚警的概率；对QXn+1,Xn进行极大化得到在多传感器场景下，基于PMHT算法的关于状态变量的迭代函数QXn+1,Xn： 其中： 接下来为了极大化迭代函数需要计算导数与下式的导数相同，且下式的极大化通过扩展卡尔曼滤波完成： 其中与是通过PMHT算法计算出的变量被用来当作新的量测和协方差，定义为质心测量与质心协方差： 其中，Rm,st为传感器s对目标m量测的协方差；为计算出的传感器s在t时刻的rth量测是由目标m产生的后验概率；S4、数据融合及状态预测：在卡尔曼滤波阶段对各个传感器节点进行数据融合，令S为传感器集合，对每一个节点i∈S,Si表示能与它进行数据融合的邻近节点,πi,j表示融合权重，其中j∈Si，由融合权重构成的融合矩阵是行随机的本原矩阵；设置融合的迭代次数为L，融合步骤如下：S41、对t时刻传感器i的测量进行采样得到融合过程中的中间变量和 其中，是当前目标的先验状态信息，是测量方程对目标状态先验估计的导数，如果是线性则简化为观测矩阵，是t时刻传感器i的测量误差的协方差矩阵；S42、数据融合：由得到的中间变量设定当前传感器节点的初始迭代值，并通过融合矩阵选取πi,j作为权重值在不同节点进行数据融合，定义qi与Ωi为信息向量，对先验新息以及中间变量进行数据融合： 对 S43、状态估计：通过S42的数据融合结果得到第i个传感器对当前目标状态的后验估计以及信息向量的后验估计与 其中是为了防止节点对信息向量的估计过高引进的变量，对权重值的更新方法如下，对每个传感器节点，设初始值 S44、得到目标状态以及信息向量的先验估计以进行下一时刻的迭代： 其中Fm为状态转移函数，At为其对目标状态后验估计的导数，若为线性则可简化为状态转移矩阵；Wt是t时刻状态估计误差的协方差矩阵。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。