[发明专利]一种基于高斯混合势概率假设密度滤波器的海上目标跟踪算法

权利要求书

1.一种基于高斯混合势概率假设密度滤波器的海上目标跟踪算法，其特征在于，步骤如下：

步骤1：获取K-1时刻多目标的初始化信息；

步骤2：预测多目标下一时刻的状态信息，预测信息包括存活目标与新生目标的势分布预测p_k/k-1(n)、强度函数预测v_k/k-1(x,r＝q)；

步骤3：使用位置-多普勒信息联合波门筛选K时刻的量测集合Z_k中的量测z_k；

步骤4：更新多目标下一时刻的状态信息，更新信息包括多目标的势分布p_k(n)与强度函数v_k(x,r＝q)，其中强度函数中多目标高斯分量的均值和协方差由目标的位置量测更新获得；

步骤5：基于目标的多普勒量测进行序贯更新，获得最终状态更新结果以及对应的权值

步骤6：对目标的高斯分量进行剪枝、合并；

步骤7：提取K时刻多目标状态。

2.根据权利要求1所述的一种基于高斯混合势概率假设密度滤波器的海上目标跟踪算法，其特征在于：所述步骤1里的K-1时刻多目标的初始化信息共包括以下参数，多目标势分布p_k-1(n)、多目标后验强度函数v_k-1(x,r＝q)、新生目标强度函数γ_k(x,r＝q)；目标运动模型集合M，以及集合中模型r的状态转移模型x_k＝f_k|k-1(x_k-1,r_k)+w_k-1(r_k)、量测模型z_k＝h_k(x_k,r_k)+v_k(r_k)、模型转移概率矩阵H_pq；目标检测概率P_D,k、存活概率P_S,k；最大高斯分量数目J_max，剪枝门限T，合并门限U，其中p和q代指运动模型集合中的两个不同模型。

3.根据权利要求2所述的一种基于高斯混合势概率假设密度滤波器的海上目标跟踪算法，其特征在于：所述步骤2中多目标下一时刻的势分布预测和强度函数预测计算公式分别为：

式中，p_Γ,k(n)为目标新生数量的势分布，计算时模型间的转移遵循马尔可夫模型转移概率矩阵H_pq，新生目标的概率假设密度γ_k(x,r＝q)也为高斯形式：

式中新生目标高斯分量的数目J_γ,k、权值均值协方差矩阵均由先验信息得到。

4.根据权利要求3所述的一种基于高斯混合势概率假设密度滤波器的海上目标跟踪算法，其特征在于：所述步骤3中构建的位置-多普勒信息双关联波门，波门中心由目标的位置信息预测和多普勒速度预测共同确定：

在引入目标多普勒信息的情况下，目标观测向量维数n_z＝3，波门的体积由下式得出：

V_k+1＝(4π/3)γ^3/2|S_k+1|^1/2

式中γ为波门的判别门限，由χ²分布表根据量测落入波门内的概率P_G获得，S_k+1为目标量测残差(新息)的协方差；

在k时刻通过传感器获得包含杂波与目标信息的量测集合Z_k，使用位置-多普勒信息双关联波门对量测进行筛选，符合条件的候选回波量测z_k,i应满足：

(z_k,i-z_k/k-1,i)^TS^-1_k(z_k,i-z_k/k-1,i)≤γ i＝1,2,...m_k

式中m_k为波门内的量测个数，即有效量测数目。