基于后验航迹估计的多传感器多目标跟踪方法

1.基于后验航迹估计的多传感器多目标跟踪方法，其特征在于，包括：基于各传感器的先验航迹概率假设密度，利用航迹概率假设密度滤波方法得到各传感器的后验航迹概率假设密度，获得各传感器的后验航迹概率假设密度对应的后验航迹估计集；构建不同传感器之间的关联代价矩阵，基于不同传感器之间的关联代价矩阵将不同传感器的后验航迹估计集中的后验航迹划分为关联航迹和非关联航迹；其中构建不同传感器之间的关联代价矩阵，包括：根据不同传感器的后验航迹概率假设密度，计算不同传感器的后验航迹估计集的相似度矩阵，其中对于传感器 和 ， k 时刻传感器 和 的后验航迹估计集的相似度矩阵如下：相似度矩阵 中第 行，第 列的元素 表示传感器 的后验航迹估计集中的第 条后验航迹与传感器 的后验航迹估计集中的第 条后验航迹的相似度， ， ， 和 分别表示传感器 和 的后验航迹概率假设密度的高斯分量数目； 由下式计算：其中 表示多因素航迹相似度， ， 表示设置的多因素权重， 表示模糊因素集， 并由下式计算：其中， ， ， 代表 k 时刻传感器 的后验航迹概率假设密度的高斯分量均值，即 k 时刻传感器 的后验航迹估计集中的第 条后验航迹在平面直角坐标系下X轴的位置 及其对应速度 ，Y轴的位置 及其对应速度 ； 代表传感器 的后验航迹概率假设密度的高斯分量均值，即 k 时刻传感器 的后验航迹估计集中的第 j 条后验航迹在平面直角坐标系下X轴的位置 及其对应速度 ，Y轴的位置 及其对应速度 ；构建不同传感器对应的后验航迹估计集的关联矩阵，基于相似度矩阵设置关联矩阵的代价，并利用优化算法寻求代价最小的关联矩阵，作为最终的关联代价矩阵，其中构建传感器 和 对应的后验航迹估计集的关联矩阵，如下：关联矩阵中第 行，第 列的元素为 ， 等于0或1， ，且每行每列最多只有1个 等于1；设置关联矩阵 对应的代价为 ，寻求代价最小的关联矩阵，作为最终的传感器 和 之间的关联代价矩阵；对不同传感器间关联航迹的概率假设密度进行融合，得到不同传感器间的融合关联航迹概率假设密度；剔除不同传感器间非关联航迹中的错误航迹，将剔除错误航迹后的非关联航迹的概率假设密度与融合关联航迹概率假设密度进行融合，得到不同传感器间的融合航迹概率假设密度；根据不同传感器间的融合航迹概率假设密度，提取得到多传感器估计航迹状态。 2.根据权利要求1所述的基于后验航迹估计的多传感器多目标跟踪方法，其特征在于，设置多因素权重 。 3.根据权利要求1所述的基于后验航迹估计的多传感器多目标跟踪方法，其特征在于，基于传感器 和 之间的关联代价矩阵，将传感器 和 的后验航迹估计集中的后验航迹划分为关联航迹和非关联航迹，方法如下：对于传感器 的后验航迹估计集中的第 条后验航迹，其中 ，如果 ，且 ，则表示传感器 的后验航迹估计集中的第 条后验航迹与传感器 的后验航迹估计集中的第 条后验航迹关联，传感器 的后验航迹估计集中的第 条后验航迹和传感器 的后验航迹估计集中的第 条后验航迹为关联航迹；对于传感器 的后验航迹估计集中的第 条后验航迹，其中 ，如果 ，且 ，则表示传感器 的后验航迹估计集中的第 条后验航迹为非关联航迹；对于传感器 的后验航迹估计集中的第 条后验航迹，其中 ，如果 ，且 ，则表示传感器 的后验航迹估计集中的第 条后验航迹为非关联航迹。 4.根据权利要求1或2或3所述的基于后验航迹估计的多传感器多目标跟踪方法，其特征在于，剔除错误航迹的方法是：通过设定门限，剔除非关联航迹长度小于设定门限的错误航迹。 5.基于后验航迹估计的多传感器多目标跟踪装置，其特征在于，包括：第一模块，用于基于各传感器的先验航迹概率假设密度，利用航迹概率假设密度滤波方法得到各传感器的后验航迹概率假设密度，获得不同传感器的后验航迹概率假设密度对应的后验航迹估计集；第二模块，用于构建不同传感器之间的关联代价矩阵，基于不同传感器之间的关联代价矩阵将不同传感器的后验航迹估计集中的后验航迹划分为关联航迹和非关联航迹；其中构建不同传感器之间的关联代价矩阵，包括：根据不同传感器的后验航迹概率假设密度，计算不同传感器的后验航迹估计集的相似度矩阵，其中对于传感器 和 ， k 时刻传感器 和 的后验航迹估计集的相似度矩阵如下：相似度矩阵 中第 行，第 列的元素 表示传感器 的后验航迹估计集中的第 条后验航迹与传感器 的后验航迹估计集中的第 条后验航迹的相似度， ， ， 和 分别表示传感器 和 的后验航迹概率假设密度的高斯分量数目； 由下式计算：其中 表示多因素航迹相似度， ， 表示设置的多因素权重， 表示模糊因素集， 并由下式计算：其中， ， ， 代表 k 时刻传感器 的后验航迹概率假设密度的高斯分量均值，即 k 时刻传感器 的后验航迹估计集中的第 条后验航迹在平面直角坐标系下X轴的位置 及其对应速度 ，Y轴的位置 及其对应速度 ； 代表传感器 的后验航迹概率假设密度的高斯分量均值，即 k 时刻传感器 的后验航迹估计集中的第 j 条后验航迹在平面直角坐标系下X轴的位置 及其对应速度 ，Y轴的位置 及其对应速度 ；构建不同传感器对应的后验航迹估计集的关联矩阵，基于相似度矩阵设置关联矩阵的代价，并利用优化算法寻求代价最小的关联矩阵，作为最终的关联代价矩阵，其中构建传感器 和 对应的后验航迹估计集的关联矩阵，如下：关联矩阵中第 行，第 列的元素为 ， 等于0或1， ，且每行每列最多只有1个 等于1；设置关联矩阵 对应的代价为 ，寻求代价最小的关联矩阵，作为最终的传感器 和 之间的关联代价矩阵；第三模块，用于对不同传感器间关联航迹的概率假设密度进行融合，得到不同传感器间的融合关联航迹概率假设密度；第四模块，用于剔除不同传感器间非关联航迹中的错误航迹，将剔除错误航迹后的非关联航迹的概率假设密度与融合关联航迹概率假设密度进行融合，得到不同传感器间的融合航迹概率假设密度；第五模块，用于根据不同传感器间的融合航迹概率假设密度，提取得到多传感器估计航迹状态。 6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：处理器执行计算机程序时实现如权利要求1所述的基于后验航迹估计的多传感器多目标跟踪方法的步骤。 7.一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，其特征在于，处理器执行所述计算机程序时实现如权利要求1所述的基于后验航迹估计的多传感器多目标跟踪方法的步骤。