[发明专利]一种多目标雷达快速跟踪方法及系统

说明书

本发明公开了一种多目标雷达快速跟踪方法及系统，所述方法包括获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数；基于所述初始化参数对滤波器进行初始化；利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪。本发明能够降低跟踪复杂度，提高雷达资源利用率，同时能够适应运动状态相对复杂的目标跟踪。

技术领域

本发明属于雷达数据处理技术领域，具体涉及一种多目标雷达快速跟踪方法及系统。

背景技术

雷达跟踪算法为雷达数据处理的核心，按照功能可细分为两个个部分：航迹滤波、航迹跟踪，这两个部分实际采用的算法决定了雷达跟踪效果的优劣。

航迹起始后，需要对匹配航迹进行滤波，关于滤波参数初始化，当前常见算法并未对滤波参数进行深入研究，这会导致滤波模型在初期会与目标真实运动情况不匹配，进而导致滤波器收敛慢，目标前几次滤波误差较大，目标位置预测不准确，最终使得航迹跟踪失败。

航迹滤波算法，在工程应用领域中，多目标跟踪本身具有较高的复杂性，为了保证实时性要求，卡尔曼滤波、α-β-γ滤波和交互多模型滤波以其相对精简的计算而被广泛应用，但是这三种算法均存在一定的问题。

对卡尔曼滤波而言，其计算相对复杂，对目标每个时刻的状态和观测协方差均作了预测，存在大量的矩阵运算，并且对于机动目标运动响应速度较慢，在跟踪大机动目标的战情下容易出现目标丢失。

对于α-β-γ滤波而言，其目标滤波和迭代预测的效果取决于滤波增益矩阵K的选择，该参数一般由工程经验获得，具有极大的不确定性。通常情况下，对于不同的航迹，在设置匹配参数的过程中，需要一定的先验新息，通过记录观测目标的航迹并做参数估计，来获取增益矩阵参数，在实际过程中，尤其是非合作目标的情况下，存在诸多限制，很容易导致滤波发散，目标丢失。

对于交互多模型算法而言，其算法结构相对严谨，但其计算复杂度相对较大，大致相当于卡尔曼滤波的三倍，但从跟踪效果来看，该算法可以同时适应机动和非机动目标，在非合作单目标跟踪战情下跟踪效果较好，对于多目标跟踪战情下则耗时严重，对硬件计算资源要求较高。

发明内容

针对上述问题，本发明提出一种多目标雷达快速跟踪方法及系统，能够降低跟踪复杂度，提高雷达资源利用率，同时能够适应运动状态相对复杂的目标跟踪。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

第一方面，本发明提供了一种多目标雷达快速跟踪方法，包括：

获取暂态航迹，并根据所述暂态航迹中最新设定个数点迹，计算滤波器初始化参数；

基于所述初始化参数对滤波器进行初始化；

利用滤波器对暂态航迹中最新1个点迹进行滤波，并将滤波后的值作为跟踪航迹的第一个点迹；

基于所述滤波后的值做一次预测，得到下一跟踪时刻的目标位置；

将所述下一跟踪时刻的目标位置打包为调度指令，并将其发送到雷达实时控制软件，由所述雷达实时控制软件根据调度指令调度雷达，由雷达不断观测目标新的点迹，并对所述新的点迹进行滤波和预测，最终实现对目标的稳定跟踪。

可选地，所述获取暂态航迹，并根据所述暂态航迹中最新的设定个数点迹，计算滤波器初始化参数，包括以下步骤：