机动多目标跟踪方法

摘要

一种机动多目标跟踪方法,采用基于聚矩阵分解的简化概率数据关联算法,首先将目标和回波信号组成的聚矩阵分解成几个小的矩阵集合,对应于将整个目标跟踪区域分解成几个不相关的小的跟踪区域,在每个小的子矩阵中进行简化概率的数据关联,并进行自适应状态跟踪,跟踪后的目标信息再反馈给下一帧作为目标的信息。本发明概率数据关联的计算量大大降低,有效避免了组合计算爆炸问题,满足实际系统在线跟踪的时间需求,为多目标跟踪的实用研究奠定了基础。

主权项

1、一种机动多目标跟踪方法，其特征在于采用基于聚矩阵分解的简化概率数据关联算法，将目标和回波信号组成的聚矩阵分解成几个小的矩阵集合，对应于将整个目标跟踪区域分解成几个不相关的小的跟踪区域，在每个小的子矩阵中进行简化概率的数据关联，并进行自适应状态跟踪，跟踪后的目标信息再反馈给下一帧作为目标的信息，具体如下：1)聚矩阵分解：首先将目标和回波信号组成的聚矩阵分解成几个小的矩阵集合，令聚矩阵中每一列表示一个跟踪的目标，每一行表示传感器所收到的回波信号，在每一个抽样间隔内每一个目标和每一个回波的关联态势通过聚矩阵E(k)进行描述，当e_ij＝1时，表示i行的回波与j列的目标相关联；当e_ij＝0时，表示i行的回波与j列的目标不关联，通过对聚矩阵行与行、列与列的交换，形成一个类对角矩阵，即在对角线上有几个子矩阵，其元素非全零，其它的元素均为零，这种重新组合对应于跟踪空间的划分，将整体多目标跟踪在当前时刻划分为几个不相交空域的多目标跟踪问题；2)简化概率数据关联：在每个小的子矩阵中进行简化概率的数据关联，分别针对不同回波计算每一候选回波来自跟踪目标的后验概率，在此基础上并进行归一化，获得概率数据关联概率方程，当关联概率β＞0.99时，将其置为1，小β均置0；3)自适应状态跟踪：在经典卡尔曼滤波算法中，将加速度的一步预测值当作在kT时刻的当前加速度即随机机动加速度的均值，同时在状态预测方程中考虑加速度均值项的变化，即可得到相应的自适应跟踪算法，进行自适应状态跟踪后的目标信息再反馈给下一帧作为目标的信息。