[发明专利]一种多运动目标态势感知方法、装置及系统

说明书

技术领域

本发明涉及目标跟踪技术领域，特别涉及一种多运动目标态势感知方法、装置及系统。

背景技术

态势感知是指在特定时空下，对动态环境中各元素或对象的察觉、理解以及对未来状态的预测。对于多运动目标场景，在干扰、杂波环境下，基于包含噪声的量测信息估计时变的目标数目及航迹，是多运动目标态势感知的重要任务，也对后续决策的有效性起到深刻影响。

传统的多目标跟踪方法将多运动目标的数目估计与航迹跟踪问题看作是分离的单目标跟踪问题，而对每个目标采用适当的滤波器予以跟踪。这一方法的核心是量测—航迹关联，即将干扰、杂波环境下的观测量分配给各个目标航迹的过程。然而，在干扰、杂波密集，或者量测噪声较大的情况下，这一分配过程容易出错。此外，在目标数目较多时，关联过程的计算量很大，不利于实时应用。

基于随机有限集及点过程理论，新近提出的概率假设密度(Probability hypothesis density，简称PHD)滤波器是一种多目标密度估计器，为解决多目标跟踪问题提供了一种新的视角。PHD的滤波器无需将量测与航迹关联，也无需区分目标量测与干扰、杂波，因而大大简化了处理过程。然而，传统的PHD滤波器仍然包含有许多难以显式推导的积分项。针对这样的问题，提出PHD滤波器的序贯蒙特卡罗(Sequential Monte Carlo，简称SMC)方法，解决了PHD的工程实现问题。然而，由于SMC方法随机抽样的特点，对于目标状态的估计具有一定的随机性，可能影响对多目标态势的判断。

发明内容

鉴于上述问题，提出了本发明以便克服上述问题或者至少部分地解决上述问题，本发明的技术方案是这样实现的：

一方面，本发明提供了一种多运动目标态势感知方法，包括：

获取目标的量测集合；

将所述目标的量测集合发送到至少两个并行的序贯蒙特卡罗-概率假设密度滤波器进行处理，并输出处理结果；

将所述处理结果进行综合分析，获取所述目标的量测集合内各个目标的运动态势。

优选地，所述目标的量测集合中量测变量的类型取决于态势感知系统传感器的类型。

优选地，所述态势感知系统传感器包括：有源雷达系统和无源侦察系统；所述有源雷达系统的量测变量包括：距离、方位俯仰角；所述无源侦察系统的量测变量包括：方位俯仰角、角速度、时差、频差。

优选地，所述序贯蒙特卡罗-概率假设密度滤波器，具体包括：初始化，概率假设密度预测，概率假设密度更新，目标数估计，重采样，目标状态提取。

优选地，该方法还包括：

存储每一个所述序贯蒙特卡罗-概率假设密度滤波器的结果；

显示所述目标的量测集合内各个目标的运动态势。

另一方面，本发明提供了一种多运动目标态势感知装置，包括：

目标量测采集模块，用于获取目标的量测集合；

序贯蒙特卡罗-概率假设密度滤波器并行处理模块，用于将所述目标的量测集合发送到至少两个并行的序贯蒙特卡罗-概率假设密度滤波器进行处理，并输出处理结果；

结果分析模块，用于将所述处理结果进行综合分析，获取所述目标的量测集合内各个目标的运动态势。

优选地，所述目标的量测集合中量测变量的类型取决于态势感知系统传感器的类型。

优选地，所述态势感知系统传感器包括：有源雷达系统和无源侦察系统；所述有源雷达系统的量测变量包括：距离、方位俯仰角；所述无源侦察系统的量测变量包括：方位俯仰角、角速度、时差、频差。

优选地，所述序贯蒙特卡罗-概率假设密度滤波器，具体包括：初始化，概率假设密度预测，概率假设密度更新，目标数估计，重采样，目标状态提取。

优选地，该方法还包括：

存储每一个所述序贯蒙特卡罗-概率假设密度滤波器的结果；

显示所述目标的量测集合内各个目标的运动态势。

再一方面，本发明提供了一种多运动目标态势感知系统，包括：如上任一一项所述多运动目标态势感知装置。

本发明的技术方案通过采用并行序贯蒙特卡罗与概率假设密度滤波器对多运动目标进行分析处理，从而使得多运动目标态势感知较准确、清晰的反映多目标的真实航迹，较准确地估计各个时刻的目标数。

附图说明

图1为本发明实施例提供的一种多运动目标态势感知方法流程图；

图2为本发明实施例提供的一种多运动目标态势感知装置结构示意图；

图3为多运动目标态势感知过程中多目标实际航迹示意图；