[发明专利]一种面向多距离扩展目标的多伯努利检测前跟踪方法

说明书

本发明属于目标检测和跟踪技术领域，公开了一种面向多距离扩展目标的多伯努利检测前跟踪方法。本发明通过：雷达系统处理接收回波，得到距离‑方位回波幅度测量图像；对多目标状态密度分布进行预测；通过时域滑窗对距离目标历史测量数据进行储存，构造目标信息矩阵，并借助主成分分析对幅度分布信息进行估计；根据目标幅度估计和测量图像，结合预测密度对多目标状态进行更新，得到多目标后验密度；设置最大伯努利成份数、合并和修剪阈值，对多目标航迹进行管理，实现多目标检测前跟踪。本发明可以在线估计多个目标的幅度信息，有效适应不同分布模型雷达图像观测，保证检测与跟踪的自适应能力，实现时变数目多距离扩展目标的鲁棒检测和稳定跟踪。

技术领域

本发明涉及目标检测和跟踪技术领域，更具体地说，涉及一种面向多距离扩展目标的多伯努利检测前跟踪方法

背景技术

在民用监控与军事侦察需求日益深化的背景下，要求传感器具有对多个扩展目标的快速检测与稳健跟踪能力。在传统单目标跟踪方法中，场景内至多存在一个目标，不需要使用复杂的数据关联对源于目标或杂波的量测进行划分和关联。而实际应用场景中，通常需要跟踪多个目标。传统多目标跟踪数据关联方法中，基于单帧点迹的联合概率数据关联(JPDA)和基于多帧点迹的多假设数据关联(MHT)都能够在信噪比较高的条件下解决目标和点迹量测匹配的问题。在低信噪比情况下，为避免弱目标出现漏检，检测器降低检测阈值，导致虚警密度增高。由于MHT是一种基于穷举的关联方法，其复杂度会随着点迹量测数目的增加而爆炸性增长。基于随机有限集的滤波器方法将多目标状态建模为随机有限集，不需要进行数据关联，能够较好避免组合爆炸问题。在随机有限集(Random Finite Set,RFS)框架下，概率假设密度(PHD)滤波器和势均衡概率假设密度(CPHD)滤波器最早被提出来解决多目标联合估计数目与状态。与PHD和CPHD这些矩近似滤波器不同，多目标多伯努利(MeMBer)滤波器是一种概率密度近似方法，实现过程与传统滤波器相似，不需要设计额外的多目标状态提取过程。此外，CPHD滤波器的高斯混合实现尽管优于多目标多伯努利滤波器，但是多伯努利滤波器的粒子近似实现却能取得更优的结果。