[发明专利]一种杂波环境下目标跟踪的概率假设密度方法

说明书

本发明公开了一种杂波环境下目标跟踪的概率假设密度方法，属于雷达技术领域。首先，根据监测区域的先验杂波图信息，利用先验杂波密度的不同将整个监测区域分成多个杂波子区域；每一跟踪周期，对每个杂波子区域根据杂波率的不同设置不同参数分别进行处理；对每个子区域，采用基于回波幅度辅助的GM‑PHD进行滤波跟踪；并采用改进的高斯分量剪枝方案提高新生目标的检测率。

技术领域

本发明属于雷达技术领域，具体涉及一种杂波环境下目标跟踪的概率假设密度方法。

背景技术

近年来，基于随机有限集的目标跟踪技术得到了广泛关注。基于随机有限集的目标跟踪理论将所有状态集合和每次观测所获得的观测值分别建模为集值状态和集值观测，避免了复杂的数据关联过程，直接利用最优贝叶斯技术实现杂波背景下、关联和检测不确定的目标跟踪。该理论有多种可用于工程实现的原理性近似滤波器，本文采用的高斯概率密度假设(GM-PHD)算法就是其中之一。但是标准的GM-PHD算法依然存在一些不足之处。在实际情况中，由于地形等环境的复杂性，会导致监测区域背景在空间上的不均匀，从而导致监测区域下杂波密度的不均匀，而GM-PHD算法假设杂波在整个监测区域内均匀分布并进行跟踪，必然会造成跟踪性能的不稳定。对于固定监测区域的雷达而言，在假设杂波密度只在空间上变化，在时间上基本不变或变化比较缓慢的前提下，获取监测区域的杂波分布情况并形成先验杂波图，进而利用杂波图先验信息辅助目标跟踪是可行的。由于来自目标的回波幅度和来自杂波的回波幅度具有不同的概率密度分布，利用回波幅度辅助目标跟踪也是可行的。此外，为了应对新生目标不在假设目标概率区域的问题，可以改变对高斯分量裁剪和合并的策略，提高新生目标的起始概率。基于以上说明，本发明提出一种结合先验杂波图、目标回波幅度和改进剪枝策略的GM-PHD方法。

发明内容

本发明的目的是克服现有技术的不足，提供一种杂波环境下目标跟踪的概率假设密度方法。

本发明所提出的技术问题是这样解决的：

一种杂波环境下目标跟踪的概率假设密度方法，包括以下步骤：

A.建立先验杂波图

将监测区域的杂波图建模为杂波密度不同的多个区域的组合，假设每个杂波区域内杂波密度服从均匀分布，构建监测区域的杂波先验信息；

B.知识辅助跟踪，对每一仿真时刻

根据GM-PHD算法，由k-1时刻的状态后验强度函数v_k-1(x)计算k时刻状态预测强度函数v_k|k-1(x)；由k时刻状态预测强度函数v_k|k-1(x)计算k时刻状态后验强度函数v_k(x)；在标准GM-PHD算法计算结果的基础上，根据回波幅度和杂波分布信息修改v_k(x)中各高斯分量的权重值；

步骤C：高斯剪枝和状态提取，对状态后验强度函数v_k(x)采用剪枝策略：删除权重值小于规定阈值的全部高斯分量，但若某个测量值衍生出的所有高斯分量权重均小于规定阈值，则保留该测量值衍生出的权重最大的一个分量，并将其权重修改为规定阈值；将采用剪枝策略后的高斯分量权重进行归一化，计算各高斯分量的合并距离，进行高斯分量合并，作为目标状态的最终估计结果。

本发明根据监测区域的先验杂波图信息，利用先验杂波密度的不同将整个监测区域分成多个杂波子区域；每一跟踪周期，对每个杂波子区域根据杂波率的不同设置不同参数分别进行处理；对每个子区域，采用基于回波幅度辅助的GM-PHD进行滤波跟踪，并采用改进的高斯分量剪枝方案提高新生目标的检测率。

本发明的有益效果是：