[发明专利]基于联合概率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联合概率数据关联算法的雷达多目标跟踪优化方法，思路为：分别确定雷达跟踪的目标总个数T′和k时刻对应包含的量测数目nk，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、k时刻第t个目标的一步预测误差协方差矩阵、k时刻第t个目标的新息协方差矩阵和k时刻第t个目标的卡尔曼增益，进而计算k时刻nk×T′维量测—目标关联矩阵、k时刻的量测—目标互联概率矩阵和k时刻的量测—目标确认矩阵；分别得到k时刻nk个量测与T'个目标关联的ζk个联合事件，以及ζk个联合事件各自的概率，计算k时刻nk个量测与T′个目标互联的精确概率矩阵、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。

主权项

一种基于联合概率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为T′，确定k时刻对应包含的量测数目为nk，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Pt(k‑1|k‑1)，将k‑1时刻第t个目标的状态转移矩阵记为Ft(k|k‑1)，将k时刻第t个目标的量测矩阵记为Ht(k)，将k‑1时刻第t个目标的过程噪声协方差矩阵记为Qt(k‑1)，将k时刻第t个目标的量测噪声协方差矩阵记为Rt(k)，然后依次计算得到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vjt(k)、k时刻第t个目标的一步预测误差协方差矩阵Pt(k|k‑1)、k时刻第t个目标的新息协方差矩阵St(k)和k时刻第t个目标的卡尔曼增益Kt(k)，进而计算得到k时刻nk×T′维量测—目标关联矩阵Ω(k)；其中，j∈{1,2,…,nk}，t∈{1,2,…,T′}，nk表示k时刻对应包含的量测总个数，T′表示雷达跟踪的目标总个数，k≥1；步骤2，根据k时刻nk×T′维量测—目标关联矩阵Ω(k)，计算得到k时刻的量测—目标互联概率矩阵A(k)，进而计算得到k时刻的量测—目标确认矩阵U(k)；步骤3，根据k时刻的量测—目标确认矩阵U(k)，得到k时刻nk个量测与T'个目标关联的ζk个联合事件，进而分别得到ζk个联合事件各自的概率；步骤4，根据k时刻nk个量测与T'个目标关联的ζk个联合事件各自的概率，计算得到k时刻nk个量测与T′个目标互联的精确概率矩阵为B(k)；步骤5，根据k时刻nk个量测与T′个目标互联的精确概率矩阵B(k)，计算得到k时刻第t个目标的状态方程进而计算得到k时刻第t个目标的误差协方差矩阵Pt(k|k)；令t分别取1至T′，进而分别得到k时刻第1个目标的状态方程至k时刻第T′个目标的状态方程以及k时刻第1个目标的误差协方差矩阵P1(k|k)至k时刻第T′个目标的误差协方差矩阵PT′(k|k)，并记为k时刻T′个目标的误差协方差矩阵，此时雷达根据所述k时刻T′个目标的误差协方差矩阵对T′个目标进行跟踪。