发明名称 一种针对多目标场景的检测跟踪一体化方法
摘要 本发明公开了一种针对多目标场景的检测跟踪一体化方法,属于雷达检测跟踪技术。本发明的方法是一种耦合了贝叶斯检测和联合概率数据关联(JPDA)滤波的多目标跟踪方法,首先依据前一时刻JPDA跟踪滤波器的预测,计算得到当前时刻的各目标位置分布信息,继而贝叶斯检测器将该分布信息作为检测判决的先验信息,分别对各目标进行检测;最后利用JPDA跟踪滤波器对将检测所得的量测点迹与各目标进行数据关联,完成对各目标当前时刻的位置估计和航迹更新,并预测得到下一时刻各目标的位置分布信息。本发明能够应用于对邻近的多个目标的检测和跟踪,具有更高的性能和很好的实用性。
申请公布号 CN103472445A 申请公布日期 2013.12.25
申请号 CN201310425412.5 申请日期 2013.09.18
申请人 电子科技大学 发明人 孔令讲;杨晓波;王云奇;易伟;崔国龙
分类号 G01S13/66(2006.01)I;G01S13/58(2006.01)I;G01S7/41(2006.01)I 主分类号 G01S13/66(2006.01)I
代理机构 电子科技大学专利中心 51203 代理人 周刘英
主权项 1.一种针对多目标场景的检测跟踪一体化方法,其特征在于,包括下列步骤:步骤1:初始化各目标航迹;步骤2:基于上一时刻的各目标的状态估计值,预测当前时刻k各目标的位置<img file="FDA0000383700280000011.GIF" wi="260" he="75" />新信息相关矩阵S<sub>n</sub>(k),其中n=1,2,…,N,N表示目标总个数,;步骤3:基于公式<img file="FDA0000383700280000012.GIF" wi="756" he="142" />确定各目标在当前时刻k的检测判决门限<img file="FDA0000383700280000013.GIF" wi="156" he="81" />其中ρ<sub>n</sub>表示目标n的信噪比,<img file="FDA0000383700280000014.GIF" wi="139" he="81" />为向量<img file="FDA0000383700280000015.GIF" wi="117" he="75" />的转置向量,<img file="FDA0000383700280000016.GIF" wi="128" he="84" />表示待检测距离单元l与目标n在当前时刻k的实测位置之间的距离,η<sub>n</sub>表示目标n的可调参数,且<img file="FDA0000383700280000017.GIF" wi="604" he="242" />其中P<sub>fa0</sub>表示雷达系统的虚警概率,V<sub>n</sub>(k)表示目标n在当前时刻k的波门体积;步骤4:将各检测距离单元的回波能量分别与各目标对应的检测判决门限<img file="FDA00003837002800000117.GIF" wi="121" he="82" />进行比较,若超过,则将该待检测距离单元确定为当前时刻k目标n的量测点迹;步骤5:获取当前时刻k的各量测点迹与各目标的互关联概率:步骤5-1:定义当前时刻k所检测到的m个量测点迹的位置为<img file="FDA0000383700280000018.GIF" wi="316" he="81" />y<sub>j</sub>表示量测点迹j的位置,则截止到k时刻的所有量测点迹表示为Y<sup>k</sup>={Y(k),Y<sup>k-1</sup>},定义事件<img file="FDA00003837002800000118.GIF" wi="93" he="70" />表示量测点迹j源于目标n<sub>j</sub>,若n<sub>j</sub>=0,则表示量测点迹j源于杂波,若为(0,N]之间的整数,则量测点迹j源于目标n;则基于事件<img file="FDA00003837002800000119.GIF" wi="98" he="77" />的联合事件<img file="FDA0000383700280000019.GIF" wi="52" he="69" />表示为<img file="FDA00003837002800000110.GIF" wi="262" he="149" />且若n<sub>j</sub>=0,则定义参数<img file="FDA00003837002800000111.GIF" wi="215" he="78" />若n<sub>j</sub>>0,则定义参数<img file="FDA00003837002800000112.GIF" wi="213" he="78" />根据公式p[Y(k)|<img file="FDA00003837002800000113.GIF" wi="589" he="144" />计算k时刻量测点迹的似然函数<img file="FDA00003837002800000114.GIF" wi="361" he="77" />其中<img file="FDA00003837002800000115.GIF" wi="2063" he="315" />函数<img file="FDA00003837002800000116.GIF" wi="139" he="86" />表示边缘概率,当量测点迹j在目标n的波门之内时,参数ω<sub>jn</sub>取值为1;否则参数ω<sub>jn</sub>的取值为0;步骤5-2:基于公式<maths num="0001"><![CDATA[<math><mrow><mi>P</mi><mrow><mo>(</mo><mover><mi>&chi;</mi><mo>&OverBar;</mo></mover><mo>|</mo><msup><mi>Y</mi><mrow><mi>k</mi><mo>-</mo><mn>1</mn></mrow></msup><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mrow><mi>m</mi><mo>!</mo><mo>/</mo><mi>&Phi;</mi><mo>!</mo></mrow></mfrac><munder><mi>&Pi;</mi><mrow><mi>n</mi><mo>:</mo><msub><mi>&delta;</mi><mi>n</mi></msub><mo>=</mo><mn>1</mn></mrow></munder><msubsup><mover><mi>P</mi><mo>&OverBar;</mo></mover><mi>D</mi><mi>n</mi></msubsup><munder><mi>&Pi;</mi><mrow><mi>n</mi><mo>:</mo><msub><mi>&delta;</mi><mi>n</mi></msub><mo>=</mo><mn>0</mn></mrow></munder><mrow><mo>(</mo><mn>1</mn><mo>-</mo><msubsup><mover><mi>P</mi><mo>&OverBar;</mo></mover><mi>D</mi><mi>n</mi></msubsup><mo>)</mo></mrow><mfrac><msup><mrow><mo>(</mo><msub><mi>VP</mi><mrow><mi>fa</mi><mn>0</mn></mrow></msub><mo>/</mo><msub><mi>V</mi><mn>0</mn></msub><mo>)</mo></mrow><mi>&Phi;</mi></msup><mrow><mi>&Phi;</mi><mo>!</mo></mrow></mfrac><msup><mi>e</mi><mrow><mo>-</mo><msub><mi>VP</mi><mrow><mi>fa</mi><mn>0</mn></mrow></msub><mo>/</mo><msub><mi>V</mi><mn>0</mn></msub></mrow></msup></mrow></math>]]></maths>计算联合事件<img file="FDA0000383700280000022.GIF" wi="58" he="68" />的先验概率<img file="FDA0000383700280000023.GIF" wi="250" he="77" />其中参数<img file="FDA0000383700280000024.GIF" wi="759" he="162" /><img file="FDA0000383700280000025.GIF" wi="390" he="156" />为目标n的平均检测概率,V<sub>0</sub>为分辨单元的体积,V为所有N个目标波门的总体积,Φ表示事件<img file="FDA0000383700280000026.GIF" wi="51" he="68" />中虚假点迹的总个数,且<img file="FDA0000383700280000027.GIF" wi="386" he="140" />步骤5-3:基于似然函数<img file="FDA0000383700280000028.GIF" wi="362" he="83" />先验概率<img file="FDA0000383700280000029.GIF" wi="222" he="83" />获得联合事件<img file="FDA00003837002800000210.GIF" wi="48" he="72" />的后验概率<img file="FDA00003837002800000211.GIF" wi="223" he="84" />步骤5-4:根据公式<img file="FDA00003837002800000212.GIF" wi="434" he="122" />计算各测量点迹与各目标的互关联率<img file="FDA00003837002800000213.GIF" wi="82" he="79" />其中参数<img file="FDA00003837002800000214.GIF" wi="641" he="166" />且当n<sub>j</sub>=0时,取量测点迹j与杂波的互关联率<maths num="0002"><![CDATA[<math><mrow><msubsup><mi>&beta;</mi><mi>j</mi><mn>0</mn></msubsup><mo>=</mo><mn>1</mn><mo>-</mo><munderover><mi>&Sigma;</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><msubsup><mi>&beta;</mi><mi>j</mi><mi>n</mi></msubsup><mo>;</mo></mrow></math>]]></maths>步骤6:基于各测量点迹与各目标的互关联率<img file="FDA00003837002800000216.GIF" wi="88" he="81" />对当前时刻k各目标航迹进行估计,得到各目标的状态估计值,并对其航迹进行更新;步骤7:对下一时刻的各目标重复步骤2~6,对所有时刻的目标进行航迹进行估计和更新,并输出各目标的航迹图。
地址 611731 四川省成都市高新区(西区)西源大道2006号