改進(jìn)搜索策略的mm-pphdf機(jī)動多目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種雷達(dá)數(shù)據(jù)處理方法，特別是涉及一種低檢測概率情況下雷達(dá)對機(jī) 動多目標(biāo)的跟蹤方法。
【背景技術(shù)】
[0002] 電磁環(huán)境的日益復(fù)雜和各類飛行器的大量出現(xiàn)，給雷達(dá)的檢測跟蹤性能帶來了嚴(yán) 峻的挑戰(zhàn)。同時(shí)，為了提高生存和突防能力，目標(biāo)通常會隨時(shí)進(jìn)行一定的機(jī)動，其運(yùn)動狀態(tài) 也會因不同的作戰(zhàn)任務(wù)而變，進(jìn)一步增大了雷達(dá)對其進(jìn)行跟蹤的困難。因此，實(shí)現(xiàn)復(fù)雜電磁 環(huán)境下雷達(dá)對機(jī)動多目標(biāo)的有效跟蹤，對提高雷達(dá)作戰(zhàn)效能和生存能力具有重要意義。目 前基于粒子概率假設(shè)密度濾波（PPHDF)的多目標(biāo)跟蹤方法通過將量測和目標(biāo)狀態(tài)建模為 隨機(jī)集，可以在避免目標(biāo)和量測之間的關(guān)聯(lián)問題的同時(shí)對目標(biāo)個(gè)數(shù)和目標(biāo)狀態(tài)進(jìn)行估計(jì)， 極大的降低了多目標(biāo)跟蹤算法的復(fù)雜性和計(jì)算量，因此在多目標(biāo)跟蹤領(lǐng)域得到廣泛的關(guān) 注，而PPHDF通過借鑒多模型粒子濾波（MMPF)的思想，形成了一種基于多模型粒子概率假 設(shè)密度濾波（MM-PPHDF)的機(jī)動多目標(biāo)跟蹤方法。該方法主要通過以下步驟實(shí)現(xiàn)：
[0003] (1)將雷達(dá)接收機(jī)輸出的目標(biāo)回波信號進(jìn)行A/D變換，送雷達(dá)數(shù)據(jù)處理計(jì)算機(jī)執(zhí) 行以下步驟；
[0004] (2)對目標(biāo)運(yùn)動模式進(jìn)行預(yù)測，并利用預(yù)測的目標(biāo)運(yùn)動模式和相應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn) 移方程對已存在的粒子集進(jìn)行預(yù)測；
[0005] (3)生成用于搜索新目標(biāo)的搜索粒子集，將預(yù)測粒子集和搜索粒子集合成新的預(yù) 測粒子集；
[0006] (4)利用新量測對預(yù)測粒子集粒子權(quán)重進(jìn)行更新；
[0007] (5)對權(quán)重更新后的粒子集進(jìn)行重采樣，并得到目標(biāo)個(gè)數(shù)和各目標(biāo)狀態(tài)估計(jì)。
[0008] 基于MM-PPHDF的機(jī)動多目標(biāo)跟蹤方法存在一個(gè)比較明顯的缺陷，即當(dāng)目標(biāo)出現(xiàn) 漏檢時(shí)，重采樣會造成粒子多樣性的迅速退化，進(jìn)而造成目標(biāo)丟失的現(xiàn)象。因此，該算法難 以適應(yīng)目標(biāo)檢測概率較低時(shí)的機(jī)動多目標(biāo)跟蹤。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的是提出一種改進(jìn)搜索策略的MM-PPHDF機(jī)動多目標(biāo)跟蹤方法，解決 一般的MM-PPHDF方法在檢測概率較低情況下容易出現(xiàn)目標(biāo)丟失的問題。
[0010] 本發(fā)明提出的改進(jìn)搜索策略的MM-PPHDF機(jī)動多目標(biāo)跟蹤方法的技術(shù)方案包括以 下步驟：
[0011] 步驟1:變量初始化
[0012] K是雷達(dá)關(guān)機(jī)時(shí)刻；
[0013] T是雷達(dá)掃描周期；
[0014] L。為代表1個(gè)目標(biāo)的粒子數(shù)；
[0015] D。為目標(biāo)出現(xiàn)的初始分布；
[0016] Jk為搜索新目標(biāo)的粒子數(shù)；
[0017] &表示搜索1個(gè)消失目標(biāo)的粒子數(shù)；
[0018] LkS k時(shí)刻濾波器采用的粒子總數(shù)；
[0019] "為平均目標(biāo)出現(xiàn)概率；
[0020] PD為目標(biāo)檢測概率；
[0021] λ k為平均每幀的雜波個(gè)數(shù)；
[0022] 武為k時(shí)刻估計(jì)的目標(biāo)個(gè)數(shù)；
[0023] 釋={的，許,是目標(biāo)初始運(yùn)動模式概率；
[0024] Π "是目標(biāo)運(yùn)動模式概率轉(zhuǎn)移矩陣；
[0025] 為狀態(tài)轉(zhuǎn)移矩陣；
[0026] GkS過程噪聲分布矩陣；
[0027] Qk為過程噪聲協(xié)方差；
[0028] Rk為量測噪聲協(xié)方差；
[0029] 步驟2 :初始化粒子集，令k = 0和氧=:0:，.對任意p e {1，2,…，L0}
[0030] (1)根據(jù)目標(biāo)初始運(yùn)動模式概率％初始化目標(biāo)運(yùn)動模式變量?< ;
[0031] (2)從初始分布D。中采樣粒子 <，其中%]τ表示粒子代表的目標(biāo) 狀態(tài)，包含了目標(biāo)的位置?，乂)和速度(.<,.<)信息；
[0032] (3)賦予粒子< 權(quán)重< =& / A ;
[0033] 步驟3 :令k = k+1，獲得k時(shí)刻的雷達(dá)量測
[0034] 將雷達(dá)接收到的信號進(jìn)行A/D變換，得到k時(shí)刻的雷達(dá)量測集 石=? |f = ，送雷達(dá)數(shù)據(jù)處理計(jì)算機(jī)，其中4 =[r/, <，劣]T表示k時(shí)刻雷達(dá)得 到的第q個(gè)量測，包含了目標(biāo)的距離量測r/、多普勒速度量測4以及方位量測奪等信息，而 Mk則表示k時(shí)刻雷達(dá)得到的量測個(gè)數(shù)；
[0035] 步驟4 :已存在粒子集預(yù)測，若=0,直接轉(zhuǎn)步驟5,否則對任意p e {1，2,… )Lk J
[0036] (1)根據(jù)上一時(shí)刻的目標(biāo)運(yùn)動模式變量目標(biāo)運(yùn)動模式概率轉(zhuǎn)移矩陣Π "預(yù) 測當(dāng)前時(shí)刻的目標(biāo)運(yùn)動模式變量
[0037] (2)根據(jù)選擇目標(biāo)狀態(tài)狀態(tài)轉(zhuǎn)移矩陣，其中
[0039] 對應(yīng)于目標(biāo)勻速直線運(yùn)動
[0041 ] 對應(yīng)于目標(biāo)坐標(biāo)轉(zhuǎn)動，其中
[0043] 分別對應(yīng)于順時(shí)針坐標(biāo)轉(zhuǎn)動和逆時(shí)針坐標(biāo)轉(zhuǎn)動，a m>〇是一個(gè)典型的機(jī)動加速度；
[0044] (3)利用粒子咗,的狀態(tài)進(jìn)行一步預(yù)測
[0046] 得到粒子.1 ?其中
[0048] 為過程噪聲分布矩陣，vk為過程噪聲，其噪聲協(xié)方差為Q k;
[0049] (4)賦予粒子!權(quán)重〇
[0050] 步驟5 :生成搜索新目標(biāo)的粒子集，對任意p e {Lk flk+l，…，Lk flk+JJ
[0051] (1)根據(jù)目標(biāo)初始運(yùn)動模式概率熱初始化目標(biāo)運(yùn)動模式變量一u
[0052] (2)根據(jù)初始分布D。采樣"新生"粒子;
[0053] (3)賦予粒子·^--^又重冗" =η/(人+ 4);
[0054] 步驟6 :生成消失目標(biāo)預(yù)測粒子集
[0055] (1)若k彡2,令I(lǐng)k= 0,直接轉(zhuǎn)步驟7,否則定義集合
[0057] 其中，端表示k-2時(shí)刻存在而k-Ι時(shí)刻消失的第η個(gè)目標(biāo)的狀態(tài)，Ndls, k i表示 消失的目標(biāo)數(shù)；
[0058] (2)若= 0，令I(lǐng)k= 0,直接轉(zhuǎn)步驟7,否則令I(lǐng) k dis, k l^k ? 對任意 6 ，根據(jù)估計(jì)的目標(biāo)運(yùn)動模式私^和相應(yīng)的狀態(tài)轉(zhuǎn)移方程進(jìn)行一步預(yù)測
[0060] (3)對任意 n e {1，2,…，Ndis k J 和任意 p e {Lk i+Oi-l) Sk+1，…，Lk i+nSk}，令 Win = ，利用進(jìn)彳丁一步預(yù)測
[0062] 得到粒子.龍|^ 并賦予該粒子權(quán)重w^.i.= +H;
[0063] 步驟7 :更新
[0064] 對任意p e {1，2,…，Lk flk+JJ，利用量測集Zk對粒子權(quán)重進(jìn)行更新
[0066] 其中
[0069] gk (z | X)為量測似然函數(shù)；
[0070] 步驟8 :重采樣
[0071] (1)計(jì)算所有粒子的權(quán)重和
[0073] (2)對粒子集
進(jìn)行重采樣，得到新的粒子集
，:其中見二R〇und(i々m_)，4 =允人，Round(x)表示取與X最接近的整 數(shù)；步驟9 :目標(biāo)狀態(tài)和運(yùn)動模式估計(jì)
[0074] (1)若_ =急，直接轉(zhuǎn)步驟10,否則采用聚類分析的方法將粒子集丨劃分 為兔個(gè)類
Lki n表示第η個(gè)類包 含的粒子數(shù)，滿足
[0075] (2)估計(jì)目標(biāo)狀態(tài)
[0077] (3)估計(jì)目標(biāo)的運(yùn)動模式
[0079] 其中函數(shù)表示集合丨<,丨七中元素m的個(gè)數(shù)；
[0080] 步驟10 :重復(fù)步驟3~步驟8,直至雷達(dá)關(guān)機(jī)。
[0081] 和【背景技術(shù)】相比，本發(fā)明的有益效果說明：
[0082] 本發(fā)明提出的改進(jìn)搜索策略的MM-PPHDF多目標(biāo)跟蹤方法，可以解決一般的 MM-PPHDF方法在目標(biāo)檢測概率較低的情況下容易出現(xiàn)目標(biāo)丟失的問題，提高了 MM-PPHDF 算法的適應(yīng)范圍。
【附圖說明】
[0083] 附圖1是本發(fā)明提出的改進(jìn)搜索策略的MM-PPHDF機(jī)動多目標(biāo)跟蹤方法的整體流 程圖；
[0084] 附圖2是本發(fā)明實(shí)施例中三個(gè)機(jī)動目標(biāo)的真實(shí)軌跡示意圖；
[0085] 附圖3是本發(fā)明實(shí)施例中改進(jìn)搜索策略的MM-PPHD