实时递推的最小二乘预测跟踪算法

周姗姗，柴金广，李丹

（中国科学院上海技术物理研究所，上海200083）

对于一个探测系统来说，从传感器采集图像，到系统处理数据、识别目标、伺服控制、跟踪目标的过程中，由于系统延时，会导致跟踪数据的延迟，造成跟踪误差。此外，目标发生机动时，由于运动的速度和方向发生改变，也会造成实时跟踪的困难。为了补偿跟踪误差，达到实时、稳定跟踪目标的目的，本文提出了一种实时递推的最小二乘预测跟踪算法。

最小二乘法最早是由Gauss为进行行星轨道预测的研究而提出的[1]，现在最小二乘法已成为用于目标跟踪的常用方法之一。与其他方法（如：α-β-γ滤波、卡尔曼滤波）相比，最小二乘原理简单，易于理解和掌握，且在一定条件下具有良好的统计性，因而更具有工程实现的意义。本文基于最小二乘法的原理，结合平方预测器的估算方式，采用递推参数计算来实现目标的位置预测，解决由于系统误差、目标机动等因素造成的跟踪延迟、目标丢失的问题。

1 预测跟踪算法

图1给出了预测跟踪算法的流程图，系统每读入新的一帧图像，替换最旧的一帧历史数据，根据保存的帧目标数据递推计算目标轨迹参数，并由此预测下一帧目标位置。

图1 预测跟踪算法流程图Fig.1Flow chart of predicted tracking algorithm

1.1 最小二乘原理

在探测系统跟踪目标的过程中，目标的运动速度及方向会按照一定的运动规律随时间不断变化，为了从观测数据中提出有用信号，首先需要对目标的运动规律做出假设[2]。……