申请/专利权人：江南大学

申请日：2022-06-24

公开（公告）日：2024-03-29

公开（公告）号：CN115099343B

主分类号：G06F18/2321

分类号：G06F18/2321;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.10.14#实质审查的生效;2022.09.23#公开

摘要：本发明公开了一种有限视野下分布式标签多伯努利融合跟踪方法，属于智能信息处理技术和信号处理领域。首先利用泛洪传输使得单一传感器拥有传感器网络中所有目标后验分布信息，采取基于聚类的目标划分方法，对目标进行准确归类，可融合类目标执行GCI融合，不可融合类目标则直接提取该目标分布信息；针对跨传感器运动目标或单一传感器跟踪目标，本发明利用目标标签以及传感器标识信息建立航迹维持表，通过与航迹维持表进行匹配，恢复目标本地标签，使得目标航迹连续化。本发明有效地解决了有限视野传感器网络中进行GCI融合导致的非重叠区域目标分布信息丢失从而导致目标漏跟的问题，可输出网络全局视野中全部目标的状态信息和完整航迹。

主权项：1.一种有限视野下分布式标签多伯努利融合跟踪方法，其特征在于，所述方法包括：步骤一：部署传感器网络，初始化传感器参数；所述传感器网络由N个传感器组成，传感器集合记为S＝{si:i∈N}，si为传感器标识，具有唯一性；表示与传感器si距离不超过t跳的传感器集合，且包含传感器si；表示与传感器si距离不超过t跳的传感器集合，且不包含传感器si；步骤二：传感器si运行LMB滤波算法，得到k时刻的多目标后验分布LMB参数集： 其中，表示k时刻的目标标签空间，rl表示标签为l的目标的存在概率，pl表示标签为l的目标的概率密度分布；步骤三：所述传感器si对所述k时刻的多目标后验分布LMB参数集进行目标提取，得到提取目标后验分布LMB参数集并通过泛洪传输方法在网络中扩散所述提取目标后验分布LMB参数集同时获得其他传感器的提取目标后验分布LMB参数集；步骤四：所述传感器si得到其他所有传感器提取目标后验分布LMB参数集后，采取基于聚类的划分方法对中的目标进行划分，划分为可融合类目标与不可融合类目标，所述可融合类目标为由多个传感器共同跟踪的目标，所述不可融合类目标为单个传感器单独跟踪的目标；步骤五：目标划分完成后，对所述可融合类目标执行GCI融合，得到可融合类目标的融合后验分布LMB参数集并在执行融合过程中进行标签校正，达到航迹维持目的；对于不可融合类目标则直接提取此类目标后验分布LMB参数集，并按需进行标签校正，包括：若类中只有传感器si的目标，直接提取此类目标的后验分布LMB参数集作为不可融合类目标的融合后验分布LMB参数集的一部分，得到此类目标的融合后验分布LMB参数集若类中只有传感器的目标，提取此类目标的后验分布LMB参数集作为不可融合类目标的融合后验分布LMB参数集的一部分，但需对此类目标后验分布LMB参数集的标签信息进行标签校正，使得此类目标在传感器si视角下在整个运动生命周期具有相同标签，得到此类目标融合后验分布LMB参数集所述可融合类目标和不可融合类目标根据航迹维持策略维持目标的航迹，使得单传感器输出跨传感器运动目标的完整航迹；步骤六：将步骤五中得到的可融合类目标和不可融合类目标的融合后验分布LMB参数集组成目标状态提取后验分布LMB参数集，所述传感器si根据所述目标状态提取后验分布LMB参数集输出传感器网络跟踪区域中所有目标状态信息；步骤七：利用步骤五中后验集组成下一时刻滤波先验，重复步骤二到步骤六可持续跟踪传感器网络中所有目标；其中，表示可融合类目标融合后验分布LMB参数集，表示传感器si跟踪的不可融合类目标的融合后验分布LMB参数集。

全文数据：

权利要求：

百度查询： 江南大学 一种有限视野下分布式标签多伯努利融合跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD