[发明专利]基于数据关联算法的雷达多目标跟踪优化方法

摘要

本发明公开了一种基于数据关联算法的雷达多目标跟踪优化方法，其思路为：分别确定雷达跟踪的目标总个数T′，确定k时刻对应包含的量测数目n_k，然后依次计算优化后的k时刻第t个目标的候选量测集Z_t′(k)、k时刻n_k个量测各自在T′个目标对应的相关波门内出现次数组成的矢量C(k)和k时刻落入第t个目标相关波门内的候选量测在n_k×T′维量测—目标关联矩阵Ω中出现的次数组成的矢量C_t′(k)，进而依次计算k时刻落入第t个目标相关波门内的第i个候选量测在n_k×T′维量测—目标关联矩阵Ω中出现的次数c_it′(k)、优化后的k时刻第t个目标的候选量测集Z_t′(k)中第i个候选量测z_it′(k)源于第t个目标的概率β_it(k)和优化后的k时刻第t个目标的候选量测集Z_t′(k)中没有一个候选量测源于第t个目标的概率β_0t(k)，进而依次计算k时刻第t个目标的状态方程和k时刻第t个目标的误差协方差矩阵P_t(k|k)。

主权项

1.一种基于数据关联算法的雷达多目标跟踪优化方法，其特征在于，包括以下步骤：步骤1，分别确定雷达跟踪的目标总个数T′，确定k时刻对应包含的量测数目n_k，并分别将k‑1时刻第t个目标的状态估计记为将k‑1时刻第t个目标的状态误差协方差矩阵记为P_t(k‑1|k‑1)，将k‑1时刻第t个目标的状态转移矩阵记为F_t(k|k‑1)，将k时刻第t个目标的量测矩阵记为H_t(k)，将k‑1时刻第t个目标的过程噪声协方差矩阵记为Q_t(k‑1)，将k时刻第t个目标的量测噪声协方差矩阵记为R_t(k)，然后依次计算k时刻第t个目标的状态一步预测k时刻第t个目标的量测预测k时刻第j个量测对第t个目标的量测预测新息v_jt(k)、k时刻第t个目标的一步预测状态误差协方差矩阵P_t(k|k‑1)、k时刻第t个目标的卡尔曼增益K_t(k)和k时刻第t个目标的新息协方差矩阵S_t(k)，进而计算得到n_k×T′维量测‑目标关联矩阵Ω；其中，j∈{1，2，…，nk}，t∈{1，2，…，T′}，nk表示k时刻对应包含的量测数目，T′表示雷达跟踪的目标总个数，k≥1；步骤2，将k时刻第t个目标的候选量测集记为Zt(k)，得到优化后的k时刻第t个目标的候选量测集Z′t(k)，并根据nk×T′维量测‑目标关联矩阵Ω，依次计算得到k时刻nk个量测各自在T′个目标对应的相关波门内出现次数组成的矢量C(k)和k时刻落入第t个目标相关波门内的候选量测在nk×T′维量测‑目标关联矩阵Ω中出现的次数组成的矢量C′t(k)，进而得到k时刻落入第t个目标相关波门内的第i个候选量测在nk×T′维量测‑目标关联矩阵Ω中出现的次数c′it(k)，i∈{1，2，…，mkt}，mkt表示k时刻第t个目标包含的候选量测个数；步骤3，定义k时刻第t个目标包含的mkt个候选量测中第i个候选量测对第t个目标的量测预测新息为v′it(k)，并根据k时刻落入第t个目标相关波门内的候选量测在nk×T′维量测‑目标关联矩阵Ω中出现的次数组成的矢量C′t(k)和k时刻第t个目标的新息协方差矩阵St(k)，以及优化后的k时刻第t个目标的候选量测集Z＇t(k)，分别计算得到优化后的k时刻第t个目标的候选量测集Z′t(k)中第i个候选量测z′it(k)源于第t个目标的概率βit(k)和优化后的k时刻第t个目标的候选量测集Z′t(k)中零个候选量测源于第t个目标的概率β0t(k)；步骤4，根据k时刻第t个目标的状态一步预测k时刻第t个目标的卡尔曼增益K_t(k)、优化后的k时刻第t个目标的候选量测集Z′_t(k)中第i个候选量测z′_it(k)源于第t个目标的概率β_it(k)、优化后的k时刻第t个目标的候选量测集Z′_t(k)中零个候选量测源于第t个目标的概率β_0t(k)、k时刻第t个目标包含的m_kt个候选量测中第i个候选量测对第t个目标的量测预测新息v′_it(k)、k时刻第t个目标的一步预测状态误差协方差矩阵P_t(k|k‑1)、k时刻第t个目标的量测矩阵H_t(k)，依次计算得到k时刻第t个目标的状态估计和k时刻第t个目标的状态误差协方差矩阵P_t(k|k)；其中，t∈{1，2，…，T′}，T′表示雷达跟踪的目标总个数，i∈{1，2，…，m_kt}，m_kt表示k时刻第t个目标的候选量测个数。