基于离散变速率采样的机动弱目标检测前跟踪方法

摘要

本发明公开了一种基于离散变速率采样的机动弱目标检测前跟踪方法。本发明首先初始化粒子并对粒子存在变量一步预测；其次进行初次粒子状态预测，在引入状态变量后进行状态的再次预测；然后计算粒子权重并归一化，对粒子进行第二次加权操作；最后估计当前时刻目标的检测概率以及状态。在粒子状态预测过程中本发明提出了一种新的离散变速率采样方法对粒子进行采样。本发明可以实现复杂背景环境下机动弱目标的检测与跟踪，同时具有较好的可靠性、可行性和实时性。

主权项

基于离散变速率采样的机动弱目标检测前跟踪方法，其特征在于该方法包括以下步骤：步骤1、粒子初始化：(1)粒子状态初始化：根据粒子初始概率密度分布随机采样生成N个粒子：其中，为N个粒子的状态向量，i＝1,2,...N，p(x₀)为已知的概率密度；(2)粒子存在变量初始化：给定目标出生和死亡概率分别为p_b和p_d，p_b＝p_d＝0.05或0.1；粒子存在变量为i＝1,2,...N，并且使N×p_b个粒子的初始存在变量为1，其余粒子初始存在变量均为0；(3)粒子到达时间初始化：初始化每个粒子的到达时间为第一个量测数据到达的时间t₀，i＝1,2,...N；初始化每个粒子第一个量测时刻的邻域，使其只包含初始粒子，即：表示在初始量测时刻第i个粒子的邻域内到达时间最大元素的下标；步骤2、预测粒子存在变量：在t时刻获得粒子后对粒子存在变量进行一步预测：设上一量测时刻(t‑T)存在变量为1的粒子数为n，从这n个粒子中随机抽取n×p_d个使在当前t时刻其存在变量为0；剩余的粒子存在变量仍为1；从上一时刻存在变量为0的粒子中随机抽取(N‑n)×p_b个，使其在当前t时刻存在变量为1，剩余粒子存在变量仍为0；步骤3、预测粒子状态；判断当前时刻t粒子存在变量是否为1，若当前时刻粒子存在变量为0，则粒子无需定义；若当前时刻粒子存在变量为1，则继续判断上一量测时刻(t‑T)粒子的存在变量是否为1，如果上一量测时刻粒子存在变量为0，则需要根据步骤1中方法对其包括其邻域进行初始化，其中粒子到达时间初始化为当前时刻t；如果上一时刻粒子存在变量为1，则对粒子进行变速率采样；变速率采样具体方法如下所述：判断当前时刻粒子到达时间邻域是否完整，若该粒子邻域内元素的最大到达时间位于当前时刻t之后，则该粒子邻域完整，不再需要进行采样；否则粒子邻域不完整，此时需要根据状态方程变速率采样，直至该粒子在当前时刻邻域完整为止；其中，变速率采样的基本原理为：令粒子到达时间间隔为则其中和为粒子相邻的两个到达时间；根据步骤9中目标机动性强弱的判断结果进行采样，当目标机动性较弱时，粒子到达时间间隔是一个随机过程且服从伽马分布，对进行整数化处理，在离散空间内取值，使得c∈N+，即T为量测采样时间间隔，其中参数c取值的概率服从一阶马尔科夫矩阵，即Π_c＝[p₁,p₂,p₃,...p_N]，Π_c中p₁,p₂,p₃,...p_N的值计算方法如下：已知x服从参数为α,β的伽马分布，其概率密度函数为：则可计算得到其概率分布F(x)，于是计算得到p₁＝F(1.5T)‑F(0.5T),p₂＝F(2.5T)‑F(1.5T),…,p_n＝F[(n+0.5)T]‑F[(n‑0.5)T]；当目标机动性较强时，粒子到达时间取最小值c＝1为量测时间间隔T；采样完成后，各粒子状态根据状态方程进行传播即：其中，f(x_t|x_t‑1)由目标运动模型确定；由此可以看出，在目标机动性较弱时粒子到达时间间隔大于或等于目标机动性较强时的粒子到达时间间隔，可以减少粒子传播数量，减少运算时间；步骤4、计算粒子权重并归一化判断是否需要重采样：引入状态变量根据下式计算粒子权重：归一化：在此实现了对粒子的第一次加权操作；根据归一化之后的权重采用系统重采样的方法实现重采样，重采样后记录得到新样本的父样本i＝1,2,...N；步骤5、再次预测粒子状态：从中采样N次，得到然后根据步骤3中的方法再次预测粒子状态，得到当前量测时刻粒子状态步骤6、计算粒子权重并归一化：在当前时刻t，计算每一个粒子的权重：存在变量为0的粒子权重均置为1；存在变量为1的粒子则需要通过在其邻域内进行离散化处理得到当前时刻的粒子状态，然后引入局部似然方法计算粒子权重计算得到每一 个粒子的权重之后在进行归一化，得到归一化以后的粒子权重：在此实现了对粒子的第二次加权操作；步骤7、目标状态估计：首先根据式(8)计算当前时刻t目标的存在概率pe_t：其中N为粒子总数，为t时刻各粒子的存在变量；如果pe_t超过了预设门限，则宣布目标存在并根据下式估计目标状态：其中，为当前时刻各粒子的状态；步骤8、将t时刻重采样得到的粒子作为下一时刻的初始粒子；步骤9、重复执行步骤2到步骤8，并将t时刻目标状态估计用于下一量测时刻目标机动性检测；目标产生机动使得原来的模型变差，造成目标状态估计偏离真实状态从而导致滤波器的残差特性发生变化，因此可以根据残差变化检测目标是否发生机动：首先，通过状态方程和量测方程对当前时刻目标状态的估计进行一步预测，得到下一量测时刻的量测一步预测记γ_t+T为模型在t+T时刻的新息向量，其相应的协方差为S_t+T，新息向量γ_t+T由下式获得：为新息协方差的逆，相应的新息协方差为：S_t+T＝H_t+TP_(t+T|t)H′_t+T+R_t+T，  式(11)；距离统计函数为其均值为当目标发生机动时，将会变大，假设大于ε_max的概率为P_F，其中ε_max为设定的阈值，P_F为允许的虚警概率；将与ε_max进行比较，若低于这个阈值则目标未发生机动，否则目标发生机动；当时，目标为一般机动；当时判定为强机动。