[发明专利]一种基于运动状态变化感知的机动目标跟踪方法

说明书

本公开的基于运动状态变化感知的机动目标跟踪方法，可根据目标机动性对运动和量测模型参数进行自适应调整。在此基础上，从点迹关联、航迹滤波和航迹管理三个方面对算法做出修正，从而确保在目标状态发生机动时，点迹关联步骤中点迹与航迹的正确匹配以及航迹滤波步骤中目标状态的准确更新，保证系统能够对目标的机动变化做出快速响应，同时抑制不必要的虚警航迹，提升机动目标航迹跟踪质量，具备计算量小，所需先验信息需求少和模型简单等优点，解决了常规的卡尔曼滤波跟踪方法在目标运动状态发生机动时航迹跟踪质量下降的问题。

技术领域

本发明属于目标检测跟踪技术领域，具体涉及一种基于运动状态变化感知的机动目标跟踪方法。

背景技术

机动目标跟踪问题是目标跟踪技术领域的研究热点和难点，在雷达目标探测、光学目标跟踪等应用中具有重要意义。

早期的目标跟踪方法采用单一模型、固定参数的形式，假设目标状态模型及模型参数在整个跟踪过程中保持不变。这一方法对常规普通目标，如匀速运动目标等具有良好的跟踪效果。但是，当目标运动状态发生改变时，上述方法运用单一模型及参数无法准确预测目标状态，导致航迹跟踪结果不准确。

针对机动目标跟踪问题，已有不少学者进行了研究，主要的解决思路是采用多样化模型和可调参数，具体可以分为以下三种。第一种类型是仍然采用单个运动模型，但增加模型复杂度。如，在匀速运动模型中引入加速度、加加速度构造加速运动模型以适应加速目标跟踪。这一类型中的典型方法有Singer模型算法、当前统计模型算法等。这种类型算法的优势是可以适应目标的机动变化，但对先验信息的要求较高，当所选择的模型与目标真实运动状态匹配度较差时，航迹跟踪质量可能有所下降。第二种类型是采用多个运动模型或多组参数，以每个模型或参数都建立一个滤波器，同时在多个滤波器中对目标进行跟踪，计算每个模型的正确概率，然后将多个滤波器的跟踪结果进行加权求和。这一类型中的典型方法是交互式多模型算法。这种类型算法的优势是能够兼顾更复杂的目标机动变化形式，但需要同时在多个滤波器中对目标进行跟踪，计算量和资源需求都更大。第三种类型是仍然采用多个模型或多组参数建立多个滤波器，但并不同时在多个滤波器中跟踪，而是只在一个滤波器中跟踪，当检测到目标运动状态变化时转到其他滤波器。这一类型中的典型方法有变维滤波算法、可调白噪声算法等。这种类型算法的跟踪准确程度可能略逊于第二种类型，但所需计算量和资源需求较少。虽然在机动目标跟踪领域已有上述丰富的研究成果，但这些方法主要集中在滤波过程对运动模型及参数的修正上。而在实际应用中(尤其是多目标场景下)，目标跟踪质量不仅仅取决于滤波这一单一步骤，而是包含了点迹关联、航迹滤波、航迹管理等多个方面，并且受到运动模型和量测模型的共同影响。当目标发生机动时，由于预测状态与实际量测偏差增加，可能导致点迹关联失败。另一方面，机动目标算法的改进虽然能够增加对机动目标的跟踪质量，但由于模型更加宽松也同时增加了将杂波点迹误认为目标的风险。不考虑航迹管理策略，对全部起批的航迹采用改进算法进行跟踪可能导致虚警增加。针对这些问题，只考虑滤波过程以及目标运动模型和参数的调整不能保证实际应用中机动目标的跟踪需求。

发明内容

本发明克服了现有技术的不足之一，提供了一种基于运动状态变化感知的机动目标跟踪方法，解决了常规的卡尔曼滤波跟踪方法在目标运动状态发生机动时航迹跟踪质量下降的问题，具备计算量小，所需先验信息需求少和模型简单等优点。

根据本公开的一方面，本发明提供一种基于运动状态变化感知的机动目标跟踪方法，所述方法包括：

步骤S1：初始化参数，利用速度波门起始方式确定机动目标跟踪航迹的航迹头；

步骤S2：初始化机动目标跟踪航迹的航迹号n＝0，令时刻k＝k+1，当所有机动目标跟踪航迹遍历完成，输出机动目标跟踪航迹跟踪结果，否则，执行步骤S3；

步骤S3：令n＝n+1，针对第n条机动目标跟踪航迹，根据第n条机动目标跟踪航迹跟踪结果预测所述机动目标在时刻k的位置信息；