[发明专利]一种基于椭球扩展外形的群目标分离检测方法

说明书

本发明涉及群目标分离检测判决方法，特别涉及一种基于椭球扩展外形的群目标分离检测方法，属于雷达技术领域。首先对探测空间中的量测进行聚类和质心参数估计，其次基于贝叶斯递推方法、卡尔曼滤波准则及马尔可夫链实现群目标运动状态和扩展状态滤波，进而建立三维椭球模型描述群目标扩展外形，利用群目标帧间体积变化率参数判断群目标分离状态，并根据分群目标扩展外形更新聚类相关参数，最终实现群目标分离检测及分群目标跟踪。本发明方法对三维空间中的群目标分离状态具备较好的检测效果，可实现及时有效的群目标分离检测判决及稳定的分群目标跟踪，利用仿真数据验证了该方法的有效性。

技术领域

本发明涉及群目标分离检测判决方法，特别涉及一种基于椭球扩展外形的群目标分离检测方法，属于雷达技术领域。

背景技术

群目标分离检测是航空航天和信息融合领域的难点问题。群目标是雷达空间探测中的一类常见目标，呈现密集多目标状态，主要表现为在空间位置、运动状态上高度相似且目标间空间结构相对稳定的多目标集合。由于受群目标中成员目标散射点位置分布的影响，满足一定分布条件的空间位置相似的成员目标间往往呈现不可分辨的状态，此时可以对群目标整体进行跟踪。但跟踪过程中，当部分群目标内成员目标由于不同的任务、路线等呈现出不同于群目标的机动状态时，会导致群目标分离现象，例如上升段助推器与箭体分离、编队目标分裂机动等。群目标分离现象如果不能被及时检测会严重影响对群质心和群成员的参数估计，进而影响对分群目标的跟踪。因此为了准确及时地判断群目标分离状态，实现分群目标的稳定跟踪，研究有效的群目标分离检测方法具有重要的实际意义。

传统的群目标分离检测方法主要依据分群目标间的位置关系及运动状态变化判断群目标分离。这种由分群目标运动模型倒推群目标分离状态的分离检测方法首先依赖于对群目标关联门限和聚类相关参数的设置，其次由于分群目标其本身即呈现一种不同于群目标运动模式的机动状态，使得传统分离检测方法已经无法满足复杂度较高的密集多目标场景的群目标分离检测判决和分群目标跟踪需求。近年来，如何合理建模群目标分离状态成为了群目标分离检测研究中的重点问题，群目标扩展外形的变化状态也逐渐成为可以判断群目标分离与否的重要指标。随机矩阵方法作为近年来解决群目标扩展外形建模问题的一种主流思路，通常采用椭圆对二维空间下的群目标扩展外形进行建模，除此之外，现有研究也多集中于在二维空间下如何利用多种不同建模方式精细建模群目标扩展外形。然而在实际的应用场景中，群目标处于三维空间，二维空间中的群目标扩展外形建模方法已经失效，而许多精细化的建模方式也难以实现扩维，同时现有建模方法获得的扩展外形信息也未能在跟踪过程中得到充分利用。因此需提出一种适合三维空间群目标扩展外形建模的方法以进行及时有效的群目标分离判决，同时实现稳定的分群目标跟踪。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提出一种基于椭球扩展外形的群目标分离检测方法，该方法为解决实际三维群目标跟踪场景下的群目标分离检测问题，对探测空间中的量测进行聚类和质心参数估计，基于贝叶斯递推方法、卡尔曼滤波准则及马尔可夫链实现群目标运动状态和扩展状态滤波，进而建立三维椭球模型描述群目标扩展外形，利用群目标帧间体积变化率参数判断群目标分离状态，并根据分群目标扩展外形更新聚类相关参数，实现群目标分离检测及分群目标跟踪。

本发明的技术解决方案是：

一种基于椭球扩展外形的群目标分离检测方法，该方法的步骤包括：

步骤S1，逐帧获取宽带雷达跟踪场景下的三维空间多散射点群目标量测；

步骤S2，采用基于密度的噪声应用空间聚类方法对步骤1中获取的群目标量测根据聚类参数进行聚类，并基于均值聚类方法估计聚类后群目标的质心状态参数和群成员参数；

步骤S3，建立群目标运动状态模型，基于贝叶斯递推方法、卡尔曼滤波准则及马尔可夫链使用步骤S2中估计的聚类后群目标的质心状态参数对所建立的群目标运动状态模型中的群目标运动状态进行预测、更新，得到更新后的群目标运动状态模型；