一種可變數(shù)目機(jī)動(dòng)目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域，設(shè)及一種新的目標(biāo)聯(lián)合檢測(cè)與跟蹤方法，具體設(shè) 及一種可變數(shù)目機(jī)動(dòng)目標(biāo)跟蹤方法。
【背景技術(shù)】
[0002] 現(xiàn)代防空系統(tǒng)需要借助于多傳感器提供的互補(bǔ)觀測(cè)信息進(jìn)行探測(cè)工作，復(fù)雜的觀 測(cè)環(huán)境對(duì)機(jī)動(dòng)目標(biāo)跟蹤算法也提出了越來(lái)越高的要求。傳統(tǒng)的先檢測(cè)后跟蹤算法大多先對(duì) 傳感器每帖原始數(shù)據(jù)進(jìn)行口限檢測(cè)，然后利用超過(guò)口限值的測(cè)量數(shù)據(jù)進(jìn)行跟蹤處理，該種 方法雖然在一定程度上減少了計(jì)算量，但是卻損失了許多有用信息。為了提高目標(biāo)的檢測(cè) 與跟蹤性能，利用未經(jīng)口限處理的多帖原始觀測(cè)數(shù)據(jù)進(jìn)行能量積累，W實(shí)現(xiàn)融合檢測(cè)與跟 蹤的算法受到了很大的關(guān)注。典型的檢測(cè)與跟蹤算法包括基于化U曲變換的算法，動(dòng)態(tài)規(guī) 劃算法，極大似然估計(jì)，W及粒子濾波算法等，其中，基于粒子濾波實(shí)現(xiàn)的遞歸算法得到了 廣泛的改進(jìn)與研究應(yīng)用。
[0003] 多模粒子濾波算法利用粒子濾波實(shí)現(xiàn)對(duì)各粒子加權(quán)求和得到狀態(tài)估計(jì)，然后依據(jù) 多模型中每個(gè)模型的模型概率對(duì)各模型的估計(jì)值加權(quán)求和，得到多模型粒子濾波器的全局 估計(jì)值，該方法通常是在所采用的濾波器完成對(duì)狀態(tài)估計(jì)的同時(shí)，進(jìn)行實(shí)時(shí)系統(tǒng)模型估計(jì)， 適用于機(jī)動(dòng)目標(biāo)跟蹤。關(guān)于經(jīng)典多模粒子濾波算法的改進(jìn)方法大致設(shè)及粒子重要性采樣、 重采樣、模型粒子數(shù)W及濾波框架四類(lèi)，它們雖然在一定程度上解決了粒子多樣性及算法 計(jì)算量問(wèn)題，但是大多沒(méi)有考慮實(shí)際多傳感器觀測(cè)環(huán)境下機(jī)動(dòng)目標(biāo)數(shù)目變化時(shí)的跟蹤情 況，并且忽視了對(duì)狀態(tài)粒子集與當(dāng)前觀測(cè)值的關(guān)聯(lián)判定，降低了目標(biāo)跟蹤性能。

【發(fā)明內(nèi)容】

[0004] 要解決的技術(shù)問(wèn)題
[0005] 為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種可變數(shù)目機(jī)動(dòng)目標(biāo)跟蹤方法，
[0006] 技術(shù)方案
[0007] -種可變數(shù)目機(jī)動(dòng)目標(biāo)跟蹤方法，其特征在于：在S個(gè)多傳感器的公共探測(cè)區(qū)域 內(nèi)，確定時(shí)刻k存在最大數(shù)目為rm。,個(gè)的機(jī)動(dòng)目標(biāo)數(shù)目W及每個(gè)機(jī)動(dòng)目標(biāo)狀態(tài)，具體步驟 如下：
[000引步驟1 ;對(duì)于傳感器S觀測(cè)下的機(jī)動(dòng)目標(biāo)狀態(tài)進(jìn)行隨機(jī)采樣，記機(jī)動(dòng)目標(biāo)t的 狀態(tài)為?<，其初始狀態(tài)分布為為;)，采樣粒子丫對(duì)應(yīng)于模型狀態(tài)的模型概率為 //f'f，采樣控制變量為U(丫），其中U( 丫）~U(0, 1)，當(dāng)滿盾
【主權(quán)項(xiàng)】
1. 一種可變數(shù)目機(jī)動(dòng)目標(biāo)跟蹤方法，其特征在于：在S個(gè)多傳感器的公共探測(cè)區(qū)域內(nèi)， 確定時(shí)刻k存在最大數(shù)目為Γ _個(gè)的機(jī)動(dòng)目標(biāo)數(shù)目以及每個(gè)機(jī)動(dòng)目標(biāo)狀態(tài)，具體步驟如 下： 步驟1:對(duì)于傳感器sja測(cè)下的機(jī)動(dòng)目標(biāo)狀態(tài)進(jìn)行隨機(jī)采樣，記機(jī)動(dòng)目標(biāo)t的狀態(tài)為 <，其初始狀態(tài)分布為PwMxU，采樣粒子γ對(duì)應(yīng)于模型狀態(tài)的模型概率為， 采樣控制變量為u(Y)，其中U(Y)~U(0，1)，當(dāng)滿{
時(shí)，該 時(shí)刻第γ個(gè)粒子所對(duì)應(yīng)的采樣模型狀態(tài)為以概率在模型對(duì)應(yīng)的狀 態(tài)分布中抽取粒子，相應(yīng)粒子權(quán)重取vtf =$，得到機(jī)動(dòng)目標(biāo)t的初始狀態(tài)粒子集 二； 其中：傳感器編號(hào)為S = 1，2,…S，S為傳感器最大數(shù)目，名'γ、分別表示 初始時(shí)刻機(jī)動(dòng)目標(biāo)t的采樣粒子γ所對(duì)應(yīng)的運(yùn)動(dòng)狀態(tài)、采樣模型狀態(tài)及相應(yīng)權(quán)值，t = 0，1，···，rk，rk=〇，l，···，rmax，rmax為時(shí)刻k可能存在的機(jī)動(dòng)目標(biāo)最大數(shù)目，k = 0，l，2···， γ = 1，2,…，Π，Π為采樣粒子總數(shù)，=1,2,···Μ，M表示模型狀態(tài)總數(shù)； 步驟2、在k-Ι時(shí)刻，k = 1，2,…，記表征機(jī)動(dòng)目標(biāo)t混合狀態(tài)后驗(yàn)分布的粒子集為 ，依據(jù)粒子存在變量進(jìn)行粒子狀態(tài)預(yù)測(cè)，其中，ef =O表示目標(biāo)不 存在，if =1表示目標(biāo)存在，且=TJ^1，Πε為轉(zhuǎn)換概率；分三種情況進(jìn)行處理： 狀態(tài)（a):對(duì)于持續(xù)存在的機(jī)動(dòng)目標(biāo)采樣粒子，此時(shí)4:\ = 1、0=1，利用k-Ι時(shí)刻粒 子模型狀態(tài)，通過(guò)模型狀態(tài)轉(zhuǎn)移矩陣Ππ，由，求得當(dāng)前k時(shí)刻粒子模型狀 態(tài)依據(jù)模型轉(zhuǎn)移概率丨=州α，β = 1，2,…，M，k_l時(shí)刻對(duì)應(yīng) 模型狀態(tài)α的模型概率的、，可得時(shí)刻k機(jī)動(dòng)目標(biāo)t關(guān)于模型β的預(yù)測(cè)模型概率， °以預(yù)測(cè)模型概率為基礎(chǔ)，根據(jù)不同模型狀態(tài)對(duì)應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移密 度函數(shù)d I )進(jìn)行粒子狀態(tài)預(yù)測(cè)，抽取Π。個(gè)持續(xù)存在的機(jī)動(dòng)目標(biāo)采樣粒子γ。，形 成粒子集{爐4，'/^則二； 狀態(tài)（b):對(duì)于新生的機(jī)動(dòng)目標(biāo)采樣粒子，此時(shí)e3=〇、巧7=1，新生機(jī)動(dòng)目標(biāo)的建議 分布選取為初始狀態(tài)分布，根據(jù)不同模型狀態(tài)對(duì)應(yīng)的狀態(tài)分布)，抽取nb個(gè)新 生的機(jī)動(dòng)目標(biāo)采樣粒子γ b，形成粒子集味Y6; 狀態(tài)（c):對(duì)于消失的機(jī)動(dòng)目標(biāo)采樣粒子，此時(shí)（?=1、f =()，時(shí)刻k的粒子狀態(tài)不 存在； 步驟3 :機(jī)動(dòng)目標(biāo)粒子集丨^和·記為 r 111, 其中：為時(shí)刻k第Tl個(gè)機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子，i = b，c， 1彡η彡rk，rk為時(shí)刻k的機(jī)動(dòng)目標(biāo)數(shù)目； 對(duì)當(dāng)前的觀測(cè)值集合；[二與機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子集合Pri 依據(jù)模糊拍賣(mài)算 法和粒子群優(yōu)化理論進(jìn)行關(guān)聯(lián)判定，并完成機(jī)動(dòng)目標(biāo)是否新生與消失的判斷，為時(shí)刻k 傳感器SjJ出的第ζ個(gè)機(jī)動(dòng)目標(biāo)觀測(cè)值，1 < ζ < Ω k，0,為觀測(cè)值數(shù)目； 具體如下： 在k時(shí)刻，記第ζ個(gè)觀測(cè)值與第Tl個(gè)機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子相關(guān)聯(lián)的模糊代 價(jià)為C ζ，n，定義模糊隸屬度為μβηΛ-，μ~?- = exp{(4 -C f Σ二-(4 -Q)}，其中，
P為機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子 ??ρ對(duì)應(yīng)的預(yù)測(cè)觀測(cè)值，模糊代價(jià)n可表示為對(duì)應(yīng)的模糊隸屬度μ^ν;觀測(cè)值集合與機(jī) 動(dòng)目標(biāo)狀態(tài)采樣粒子集合二維分配問(wèn)題數(shù)學(xué)模型中的目標(biāo)函數(shù)與約束條件為： iik rk 目標(biāo)函數(shù)廠⑷="""IlEiU.!, C-I η-1
其中：3ζ，η為二進(jìn)制決策變量，a ζ，η = 1表示第ζ個(gè)觀測(cè)值與第n個(gè)機(jī)動(dòng)目標(biāo)狀態(tài) 采樣粒子相關(guān)聯(lián)，n = O表示其他，該二維分配問(wèn)題的最優(yōu)解可表示為每行、每列最多只 有一個(gè)1的QkXrk階關(guān)聯(lián)決策矩陣 定義粒子Ypso的適應(yīng)度值為f YPS。，=Σ(卜(丨_人1廣)，其中，J\，n為依據(jù)拍賣(mài)算 法理論定義的競(jìng)拍價(jià)格，h，n= λ $ζ，η-λ2νζ+ε，n為第ζ個(gè)觀測(cè)值與第n個(gè)機(jī)動(dòng) 目標(biāo)狀態(tài)粒子集的關(guān)聯(lián)價(jià)值，ge，n = max{c ζ，n}-C(；，n，νζ為觀測(cè)值的價(jià)值，λ i為利益 系數(shù)，λ 2為代價(jià)系數(shù)，ε為足夠小的正數(shù)，設(shè)定粒子Pyps。為個(gè)體當(dāng)前最優(yōu)位置， Pg為群體 中最佳粒子位置，粒子的位置和速度向量維數(shù)為DkX nps。，Dk為觀測(cè)集維數(shù)，Π ps。為粒子 群的粒子數(shù)，第個(gè)粒子的位置表示一組觀測(cè)值與機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子的關(guān)聯(lián)性判斷 結(jié)果； 首先依據(jù)關(guān)聯(lián)決策矩陣進(jìn)行機(jī)動(dòng)目標(biāo)是否新生與消失的粗判斷：若關(guān)聯(lián)決策矩陣中某 一行的元素值均近似為零，則認(rèn)為該觀測(cè)值可能來(lái)自于新生目標(biāo)，或者來(lái)自于雜波；若關(guān)聯(lián) 決策矩陣中某一列的元素值均近似為零，則認(rèn)為該目標(biāo)可能消失； 然后依據(jù)目標(biāo)在觀測(cè)場(chǎng)景中的存在概率進(jìn)行精判斷：若匕多2/3,則時(shí)刻k新出現(xiàn)的觀 測(cè)值來(lái)自于新生目標(biāo)t，此時(shí)在整個(gè)粒子集中增加該新生目標(biāo)粒子集；若1/3,則認(rèn)為 時(shí)刻k目標(biāo)t消失，此時(shí)在整個(gè)粒子集中刪除該消失目標(biāo)粒子集；所述乃; 1 γ,-ι 步驟4 :依據(jù)觀測(cè)分辨單元內(nèi)機(jī)動(dòng)目標(biāo)存在與不存在的似然比表達(dá)式
1進(jìn)行粒子權(quán)值計(jì)算， 其中：= 〇為機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子存在的似然函數(shù)，|<γ = 〇)為 機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子不存在的似然函數(shù)； 分三種情況進(jìn)行： 狀態(tài)（a):對(duì)于持續(xù)存在的機(jī)動(dòng)目標(biāo)采樣粒子，依據(jù)預(yù)測(cè)粒子狀態(tài)時(shí)判定出的目標(biāo)模 型狀態(tài)及相應(yīng)的目標(biāo)狀態(tài)轉(zhuǎn)移密度函數(shù)，得持續(xù)存在的機(jī)動(dòng)目標(biāo)梁烊賴(lài)子Y的去咁一化 權(quán)值為敗I'，= 〇,歸一化權(quán)值為wp，
狀態(tài)（b):對(duì)于新生的機(jī)動(dòng)目標(biāo)采樣粒子，依據(jù)預(yù)測(cè)粒子狀態(tài)時(shí)判定出的目標(biāo)模型 狀態(tài)及相應(yīng)的目標(biāo)狀態(tài)分布，得新生的機(jī)動(dòng)目標(biāo)采樣粒子Yb的非歸一化權(quán)重為必'，
-卜 1^， 歸一化權(quán)值為Wp， 2 Vifi其 Y產(chǎn)1 中，Mxp I# =1，〇 0)為新生機(jī)動(dòng)目標(biāo)采樣粒子先驗(yàn)分布，=1,C =(Uijt) 為新生機(jī)動(dòng)目標(biāo)采樣粒子建議分布； 狀態(tài)（C):對(duì)于消失的機(jī)動(dòng)目標(biāo)采樣粒子，粒子權(quán)值不存在； 將持續(xù)存在的機(jī)動(dòng)目標(biāo)采樣粒子與新生的機(jī)動(dòng)目標(biāo)采樣粒子的粒子集進(jìn)行混合，記 機(jī)動(dòng)目標(biāo)新生概率為Pb，消失概率為Pd，k-Ι時(shí)刻機(jī)動(dòng)目標(biāo)存在概率為，可得非歸一 化混合概率私、氣，丸=41-1]!?1"，兒H1-C]為-!Ef，以及k時(shí)刻 lb Yc:1 Λ M1 -\-Μ 機(jī)動(dòng)目標(biāo)的存在概率為，A=立+說(shuō)+[二⑴卜一月]，更新持續(xù)存在的機(jī)動(dòng) 目標(biāo)采樣粒子與新生的機(jī)動(dòng)目標(biāo)采樣粒子權(quán)重可得'，碎n = M ， 1 b 1 c ]^L/f π W= M1 +M wZ'，合并nb+nc個(gè)粒子，得k時(shí)刻機(jī)動(dòng)目標(biāo)混合粒子集{# 4'<，# }"， 其中 i = b，c，t = 0, 1，…，rk; 步驟5 :對(duì)步驟4獲得的混合粒子集中的nb+n。個(gè)粒子進(jìn)行重采樣，得到逼近機(jī)動(dòng)目 標(biāo)t狀態(tài)后驗(yàn)概率分布的粒子集，其中，k = 1，2,…，t = 0, 1，…rmax， ?; 步驟6:在時(shí)刻k，按照每個(gè)模型的模型概率進(jìn)行粒子狀態(tài)融合，得到 M 機(jī)動(dòng)目標(biāo)t的局部狀態(tài)后驗(yàn)估計(jì)值，私* = Σ ，均方誤差，
mf:l ，其中：對(duì)應(yīng)于模型吋γ，
，γ = ：^，···，！^^，Ml1為預(yù)測(cè)模型概率，Π//；!卜為對(duì)應(yīng)模型< 的采樣粒子f
Lf為模型似然，
依據(jù)目標(biāo)存在的后驗(yàn)概率表達(dá)式Pe，得到時(shí)刻k機(jī)動(dòng)目標(biāo)數(shù)目Γ k的估計(jì)值匕，
:ound(x)表示求得距離X 最近的整數(shù)； 在觀測(cè)時(shí)間序列k = 1，2, ···!(內(nèi)，對(duì)于傳感器Ss，機(jī)動(dòng)目標(biāo)t的子航跡可表示為狀態(tài)集 合g,爻丨，時(shí)刻k估計(jì)出的機(jī)動(dòng)目標(biāo)數(shù)目為f; 步驟7 :重復(fù)步驟2至步驟6,求得各傳感器觀測(cè)下機(jī)動(dòng)目標(biāo)t的S個(gè)局部狀態(tài) 估計(jì)值<，乓，…，乓，及其相應(yīng)的估計(jì)均方誤差陣參照分布式融合 結(jié)構(gòu)，得全局狀態(tài)估計(jì)值尤，全局狀態(tài)估計(jì)均方誤差〇 I:中的目標(biāo)數(shù)目估計(jì)值f為各傳感器局部估計(jì)值中的最大值，
Sk
【專(zhuān)利摘要】本發(fā)明涉及一種以多模粒子濾波框架為基礎(chǔ)，在粒子狀態(tài)預(yù)測(cè)與更新步驟中，依據(jù)粒子存在變量進(jìn)行預(yù)測(cè)粒子狀態(tài)集的采樣，考慮當(dāng)前觀測(cè)值與機(jī)動(dòng)目標(biāo)狀態(tài)粒子的關(guān)聯(lián)程度，利用模糊拍賣(mài)算法與粒子群優(yōu)化理論解決觀測(cè)集與機(jī)動(dòng)目標(biāo)狀態(tài)采樣粒子集之間的關(guān)聯(lián)問(wèn)題，并給出機(jī)動(dòng)目標(biāo)出現(xiàn)與消失的判定準(zhǔn)則，實(shí)現(xiàn)粒子權(quán)值更新；利用序貫重要性采樣理論對(duì)混合采樣粒子集進(jìn)行重采樣，得到包含模型信息和狀態(tài)信息并能逼近每個(gè)機(jī)動(dòng)目標(biāo)狀態(tài)后驗(yàn)概率分布的粒子集；考慮粒子存在變量的影響，按照目標(biāo)模型概率進(jìn)行粒子狀態(tài)融合得到機(jī)動(dòng)目標(biāo)局部狀態(tài)后驗(yàn)估計(jì)值和均方誤差；最后，對(duì)各傳感器局部航跡信息進(jìn)行加權(quán)融合，得到各機(jī)動(dòng)目標(biāo)的全局狀態(tài)估計(jì)值，實(shí)現(xiàn)對(duì)機(jī)動(dòng)目標(biāo)數(shù)目及狀態(tài)變化的準(zhǔn)確估計(jì)。
【IPC分類(lèi)】G01S13-86
【公開(kāi)號(hào)】CN104880708
【申請(qǐng)?zhí)枴緾N201510051642
【發(fā)明人】郭雷, 胡秀華, 李暉暉, 錢(qián)林弘, 鹿馨
【申請(qǐng)人】西北工業(yè)大學(xué)
【公開(kāi)日】2015年9月2日
【申請(qǐng)日】2015年1月30日