多重搜索粒子概率假設(shè)密度濾波的多目標跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種雷達數(shù)據(jù)處理方法,特別是涉及一種低檢測概率情況下雷達對多 目標的跟蹤方法。
【背景技術(shù)】
[0002] 粒子概率假設(shè)密度濾波(Particle probability hypothesis density filter,PPHDF)是一種密集雜波環(huán)境下對多目標進行跟蹤的有效方法。PPHDF通過將量測 和目標狀態(tài)建模為隨機集,可以非常方便的從個數(shù)時變的量測中估計出個數(shù)時變且未知的 目標狀態(tài),即可同時對目標個數(shù)和目標狀態(tài)進行估計;同時,PPHDF可以避免目標和量測之 間的關(guān)聯(lián)問題,極大的降低了多目標跟蹤算法的復雜性和計算量。因此,PPHDF在多目標跟 蹤領(lǐng)域得到了廣泛的關(guān)注和研究。該方法主要通過以下步驟實現(xiàn):
[0003] (1)初始化,得到初始粒子集;
[0004] (2)對已存在的粒子集進行一步預測得到預測粒子集,并生成用于搜索新目標的 搜索粒子集,將預測粒子集和搜索粒子集合成新的預測粒子集;
[0005] (3)利用新量測對預測粒子集粒子權(quán)重進行更新;
[0006] (4)對權(quán)重更新后的粒子集進行重采樣,并得到目標個數(shù)和各目標狀態(tài)估計。
[0007] 基于PPHDF的多目標跟蹤方法存在一個明顯的缺陷,即當目標出現(xiàn)漏檢時,重采 樣會造成粒子多樣性的迅速退化,進而造成目標丟失的現(xiàn)象,因此該算法難以適應(yīng)目標檢 測概率較低時的多目標跟蹤。
【發(fā)明內(nèi)容】
[0008] 本發(fā)明的目的是提出一種多重搜索粒子概率假設(shè)密度濾波(MS-PPHDF)的多目標 跟蹤方法,解決一般的PPHDF方法在目標檢測概率較低的情況下容易出現(xiàn)目標丟失的問 題。
[0009] 本發(fā)明提出的MS-PPHDF方法的技術(shù)方案包括以下步驟:
[0010] 步驟1 :變量初始化
[0011] K是雷達關(guān)機時刻;
[0012] T是雷達掃描周期;
[0013] L。為代表1個目標的粒子數(shù);
[0014] D。為目標出現(xiàn)的初始分布;
[0015] Jk為搜索新目標的粒子數(shù);
[0016] &表示搜索1個消失目標的粒子數(shù);
[0017] LkS k時刻濾波器采用的粒子總數(shù);
[0018] "為平均目標出現(xiàn)概率;
[0019] PD為目標檢測概率;
[0020] λ k為平均每幀的雜波個數(shù);
[0021] Fk為狀態(tài)轉(zhuǎn)移矩陣;
[0022] GkS過程噪聲分布矩陣;
[0023] Qk為過程噪聲協(xié)方差;
[0024] Rk為量測噪聲協(xié)方差;
[0025] 步驟2 :令k = 0,初始化粒子集
[0026] 對任意p e {1,2,…,L。},從初始分布D。中米樣粒子4,.并賦予該粒子權(quán)重
_.得到初始粒子集
|其中,
表示粒子代表的目標狀 態(tài),包含了目標的位置(.<,<)和速度(卻,.<)信息;
[0027] 步驟3 :令k = k+Ι,獲得k時刻的雷達量測
[0028] 將雷達接收到的信號進行A/D變換,得到k時刻的雷達量測集
,送雷達數(shù)據(jù)處理計算機,其中
'表示k時刻雷達得 到的第q個量測,包含了目標的距離量測^?、多普勒速度量測4以及方位量測繆等信息, 而Mk則表示k時刻雷達得到的量測個數(shù);
[0029] 步驟4 :預測
[0030] (1)若k彡2,令I(lǐng)k= 0,直接轉(zhuǎn)(4),否則定義集合
[0032] 其中,表示k-2時刻存在而k-Ι時刻消失的第η個目標的狀態(tài),Ndls, k i表示 消失的目標數(shù);
[0033] (2)若 Xdlsp =0,令 Ik= 0,直接轉(zhuǎn)(4),否則令 I k= N dls,k Λ,對任意
,根據(jù)狀態(tài)轉(zhuǎn)移方程
[0035] 進行一步預測,其中
[0037] (3)對任意 n
e {1,2,…,Ndis.k和任意 p e {Lk i+Oi-DSk+l,…,Lk i+nSk},根據(jù)
[0039] 采樣粒子,并賦予該粒子權(quán)重^,^ = ),其中
[0041] 為過程噪聲分布矩陣,vk為過程噪聲,其噪聲協(xié)方差為Qk;
[0042] (4)對任意p e {Lk i+Ik+l,…,Lk片以以,根據(jù)初始分布D。采樣"新生"粒子4-,, 并賦予該粒子權(quán)重
[0043] (5)對任意 p e {1,2,…,Lk J,根據(jù)
[0045] 采樣粒子·^4,并賦予該粒子權(quán)重
[0046] 步驟5 :更新
[0047] 對任意p e {1,2,…,Lk flk+JJ,利用量測集Zk對粒子權(quán)重進行更新
[0049] 其中
[0052] gk (z | X)為量測似然函數(shù);
[0053] 步驟6 :重采樣
[0054] (1)計算所有粒子的權(quán)重和
[0056] (2)對粒子集
進行重采樣,得到新的粒子集
為k時刻估計的目標數(shù), Round (X)表示 取與X最接近的整數(shù);步驟7 :目標狀態(tài)估計
[0057] 若/^ = 0,:直接轉(zhuǎn)步驟8,否則采用K-均值聚類分析的方法將粒子集{<1·^劃分 為&個類
,Lkin表示第η個類包含的粒子數(shù),滿 足
:.,.則估計的目標狀態(tài)為
[0059] 步驟8 :重復步驟3~步驟8,直至雷達關(guān)機。
[0060] 和【背景技術(shù)】相比,本發(fā)明的有益效果說明:
[0061 ] 本發(fā)明提出的MS-PPHDF多目標跟蹤方法,可以解決一般的PPHDF方法在目標檢測 概率較低的情況下容易出現(xiàn)目標丟失的問題,提高了 PPHDF算法的適應(yīng)范圍。
【附圖說明】
[0062] 附圖1是本發(fā)明提出的MS-PPHDF多目標跟蹤方法的整體流程圖;
[0063] 附圖2是本發(fā)明實施例中MS-PPHDF方法跟蹤多目標的效果展示,附圖中星號 表示目標的真實位置,圓圈" Ο "表示估計的目標狀態(tài);
[0064] 附圖3是本發(fā)明實施例中一般的PPHDF方法跟蹤多目標的效果展示,附圖中星號 " "表示目標的真實位置,圓圈" 〇 "表示估計的目標狀態(tài)。
【具體實施方式】
[0065] 下面結(jié)合附圖對本發(fā)明提出的MS-PPHDF方法進行詳細描述。
[0066] 不失一般性,設(shè)置一個二維的仿真場景,監(jiān)測區(qū)域S =
[_60km,60km] X [_60km,60km],總仿真時間K = 50s。假設(shè)目標可在監(jiān)測區(qū)域內(nèi)隨機出現(xiàn) 和消失,平均目標出現(xiàn)概率γ k= 〇. 2,目標出現(xiàn)的初始分布D。服從均值為X。和協(xié)方差為Q b的正態(tài)分布,這里取x〇= [30km 0.2km/s 0.5km/s lkm 0. 5km/s]),x方向和y方向過程噪聲的標準差均為0. 01km,目標持續(xù)存在的概率為ek|k i = 0. 95且與目標狀態(tài)無關(guān)。雷達位于點(0km,-10km),檢測概率為PD= 0. 75,平均每幀的雜 波個數(shù)為Ak= 4,且在整個監(jiān)測區(qū)域內(nèi)均勻分布,距離量測誤差標準差、多普勒速度量測誤 差標準差和方位角量測誤差標準差分別為0. 2km、0. 04km/s和0. 0087rad,雷達采樣間隔T =Is ;代表1個目標的粒子數(shù)LQ= 3000,搜索新目標的粒子數(shù)J k= 4000,搜索1個消失目 標的粒子數(shù)sk= 1000。
[0067] 其步驟如附圖1所示。
[0068] (1)根據(jù)以上仿真條件進行變量初始化
[0069] 由以上仿真條件可知
[0071] 雷達量測方程為
[0073] 其中Wk為相互獨立的零均值高斯白噪聲,其協(xié)方差為
[0075] (2)按
【發(fā)明內(nèi)容】
部分步驟2所述的方法進行粒子集初始化,得到初始粒子集;
[0076] (3)按
【發(fā)明內(nèi)容】
部分步驟3所述的方法獲得當前時刻雷達量測;
[0077] (4)按
【發(fā)明內(nèi)容】
部分步驟4所述的方法對粒子集進行一步預測,得到預測的粒子 集;
[0078] (5)按
【發(fā)明內(nèi)容】
部分步驟5所述的方法對預測的粒子集的權(quán)重進行更新;
[0079] (6)按
【發(fā)明內(nèi)容】
部分步驟6所述的方法對權(quán)重更新后的粒子集進行重采樣;
[0080] (7)按
【發(fā)明內(nèi)容】
部分步驟7所述的方法得到目標的狀態(tài)估計;
[0081] (8)循環(huán)執(zhí)行
【發(fā)明內(nèi)容】
部分步驟3~步驟8,直至雷達關(guān)機。
[0082] 實施例條件中,在目標檢測概率PD= 0. 75的情況下,本發(fā)明提出的MS-PPHDF方法 仍能實現(xiàn)雜波環(huán)境下對多目標的有效跟蹤(見附圖2),而一般的PPHDF方法在目標出現(xiàn)漏 檢時出現(xiàn)了目標的丟失的情況(見附圖3),因此本發(fā)明方法可以有效的改善一般PPHDF方 法在目標檢測概率較低情況下的多目標跟蹤性能(附圖2和附圖3對比)。
【主權(quán)項】
1.多重搜索粒子概率假設(shè)密度濾波的多目標跟蹤方法,其特征包括以下步驟: 步驟1 :變量初始化 K是雷達關(guān)機時刻; T是雷達掃描周期; L。為代表1個目標的粒子數(shù); D。為目標出現(xiàn)的初始分布; Jk為搜索新目標的粒子數(shù); &表示搜索1個消失目標的粒子數(shù); LkS k時刻濾波器采用的粒子總數(shù); YkS平均目標出現(xiàn)概率; Pd為目標檢測概率; Xk為平均每幀的雜波個數(shù); Fk為狀態(tài)轉(zhuǎn)移矩陣; GkS過程噪聲分布矩陣; Qk為過程噪聲協(xié)方差; Rk為量測噪聲協(xié)方差; 步驟2 :令k = 0,初始化粒子集 對任意P e {1,2,…,L。},從初始分布D。中米樣粒子碟,并賦予該粒子權(quán)重得到初始粒子集其中表示粒子代表的目標狀 態(tài),包含了目標的位置(<,<)和速度(冗,咒)信息; 步驟3 :令k = k+Ι,獲得k時刻的雷達量測 將雷達接收到的信號進行A/D變換,得到k時刻的雷達量測_送雷達數(shù)據(jù)處理計算機,其中表示k時刻雷達得到的第q個量測,包含了目 標的距離量測<、多普勒速度量測爾以及方位量測頌等信息,而Mk則表示k時刻雷達得到 的量測個數(shù); 步驟4 :預測 (1)若k < 2,令I(lǐng)k= 0,直接轉(zhuǎn)(4),否則定義集合其中,:表示k-2時刻存在而k-Ι時刻消失的第η個目標的狀態(tài),N dlsik i表示消失 的目標數(shù); ⑵若直接轉(zhuǎn)(4),否則令I(lǐng) k= Ndls,k ^,對任意根據(jù)狀態(tài)轉(zhuǎn)移方程進行一步預測,其中(3) 對任意 n e {1,2, · · ·,Ndis,k J 和任意 p e {Lk !+(n-DSk+l,···,Lk i+nSk},根據(jù)采樣粒子,并賦予該粒子權(quán)重其中為過程噪聲分布矩陣,vk為過程噪聲,其噪聲協(xié)方差為Q k; (4) 對任意根據(jù)初始分布D。采樣"新生"粒子并 賦予該粒子權(quán)重(5) 對任意p e {1,2,…,Lk J,根據(jù)采樣粒子并賦予該粒子權(quán)重步驟5 :更新 對任意P e {1,2,…,Lk Mk+Jj,利用量測集Zk對粒子權(quán)重進行更新gk (z I X)為量測似然函數(shù); 步驟6 :重采樣 (1) 計算所有粒子的權(quán)重和(2) 對粒子集::進行重采樣,得到新的粒子集其 中為k時刻估計的目標數(shù),表示取與X最接近的整 數(shù);步驟7:目標狀態(tài)估計 若< =O,直接轉(zhuǎn)步驟8,否則采用K-均值聚類分析的方法將粒子集劃分為& 個類表示第η個類包含的粒子數(shù),滿足則估計的目標狀態(tài)為步驟8 :重復步驟3~步驟8,直至雷達關(guān)機。
【專利摘要】本發(fā)明公開了一種多重搜索粒子概率假設(shè)密度濾波的多目標跟蹤方法,屬于雷達數(shù)據(jù)處理領(lǐng)域?;诹W痈怕始僭O(shè)密度濾波的多目標跟蹤方法存在一個明顯的缺陷,即當目標出現(xiàn)漏檢時,重采樣會造成粒子多樣性的迅速退化,進而造成目標丟失的現(xiàn)象,因此該算法難以適應(yīng)目標檢測概率較低時的多目標跟蹤。本發(fā)明提出的多重搜索粒子概率假設(shè)密度濾波即立足于解決此類問題。本發(fā)明具有結(jié)構(gòu)簡單,計算快速,易于硬件實現(xiàn),同時克服了基于一般的粒子概率假設(shè)密度濾波方法應(yīng)用的局限性,對非線性非高斯系統(tǒng)具有較強的適應(yīng)性,因此具有較強的工程應(yīng)用價值和推廣前景。
【IPC分類】G01S13/66, G01S7/02, G01S13/56
【公開號】CN105353353
【申請?zhí)枴緾N201510791334
【發(fā)明人】譚順成, 王國宏, 吳巍, 于洪波
【申請人】中國人民解放軍海軍航空工程學院
【公開日】2016年2月24日
【申請日】2015年11月17日