[发明专利]改进搜索策略的MM-PPHDF机动多目标跟踪方法

说明书

技术领域

本发明涉及一种雷达数据处理方法，特别是涉及一种低检测概率情况下雷达对机动多目标的跟踪方法。

背景技术

电磁环境的日益复杂和各类飞行器的大量出现，给雷达的检测跟踪性能带来了严峻的挑战。同时，为了提高生存和突防能力，目标通常会随时进行一定的机动，其运动状态也会因不同的作战任务而变，进一步增大了雷达对其进行跟踪的困难。因此，实现复杂电磁环境下雷达对机动多目标的有效跟踪，对提高雷达作战效能和生存能力具有重要意义。目前基于粒子概率假设密度滤波(PPHDF)的多目标跟踪方法通过将量测和目标状态建模为随机集，可以在避免目标和量测之间的关联问题的同时对目标个数和目标状态进行估计，极大的降低了多目标跟踪算法的复杂性和计算量，因此在多目标跟踪领域得到广泛的关注，而PPHDF通过借鉴多模型粒子滤波(MMPF)的思想，形成了一种基于多模型粒子概率假设密度滤波(MM-PPHDF)的机动多目标跟踪方法。该方法主要通过以下步骤实现：

(1)将雷达接收机输出的目标回波信号进行A/D变换，送雷达数据处理计算机执行以下步骤；

(2)对目标运动模式进行预测，并利用预测的目标运动模式和相应的目标状态转移方程对已存在的粒子集进行预测；

(3)生成用于搜索新目标的搜索粒子集，将预测粒子集和搜索粒子集合成新的预测粒子集；

(4)利用新量测对预测粒子集粒子权重进行更新；

(5)对权重更新后的粒子集进行重采样，并得到目标个数和各目标状态估计。

基于MM-PPHDF的机动多目标跟踪方法存在一个比较明显的缺陷，即当目标出现漏检时，重采样会造成粒子多样性的迅速退化，进而造成目标丢失的现象。因此，该算法难以适应目标检测概率较低时的机动多目标跟踪。

发明内容

本发明的目的是提出一种改进搜索策略的MM-PPHDF机动多目标跟踪方法，解决一般的MM-PPHDF方法在检测概率较低情况下容易出现目标丢失的问题。

本发明提出的改进搜索策略的MM-PPHDF机动多目标跟踪方法的技术方案包括以下步骤：

步骤1：变量初始化

K是雷达关机时刻；

T是雷达扫描周期；

L₀为代表1个目标的粒子数；

D₀为目标出现的初始分布；

J_k为搜索新目标的粒子数；

S_k表示搜索1个消失目标的粒子数；

L_k为k时刻滤波器采用的粒子总数；

γ_k为平均目标出现概率；

P_D为目标检测概率；

λ_k为平均每帧的杂波个数；

为k时刻估计的目标个数；

是目标初始运动模式概率；

∏_m是目标运动模式概率转移矩阵；

为状态转移矩阵；

G_k为过程噪声分布矩阵；

Q_k为过程噪声协方差；

R_k为量测噪声协方差；

步骤2：初始化粒子集，令k＝0和对任意p∈{1,2,…,L₀}

(1)根据目标初始运动模式概率初始化目标运动模式变量

(2)从初始分布D₀中采样粒子其中表示粒子代表的目标状态，包含了目标的位置和速度信息；

(3)赋予粒子权重

步骤3：令k＝k+1，获得k时刻的雷达量测

将雷达接收到的信号进行A/D变换，得到k时刻的雷达量测集送雷达数据处理计算机，其中表示k时刻雷达得到的第q个量测，包含了目标的距离量测多普勒速度量测以及方位量测等信息，而M_k则表示k时刻雷达得到的量测个数；

步骤4：已存在粒子集预测，若直接转步骤5，否则对任意p∈{1,2,…,L_k-1}

(1)根据上一时刻的目标运动模式变量和目标运动模式概率转移矩阵∏_m预测当前时刻的目标运动模式变量

(2)根据选择目标状态状态转移矩阵，其中