[发明专利]目标数据关联的多特征信息融合方法

说明书

技术领域

本发明涉及雷达数据处理技术领域，特别是涉及一种杂波背景下目标数据关联。

背景技术

杂波背景下的目标跟踪问题是当前的一个难点问题。目标跟踪的核心是数据关联，在工 程应用中广泛使用的是贝叶斯类的数据关联算法，贝叶斯类算法主要包括以下两类：

第一类只对最新的确认量测集合进行研究因而是一种次优的贝叶斯算法，主要包括最近 邻域法(NN算法)、概率最近邻域算法(PNNF)、概率数据互联算法(PDA)、联合概率数 据互联算法(JPDA)等。其中，NN算法和PNNF算法是比较简单的关联算法，它是利用波 门中离预测值最近的量测对目标进行状态更新，主要适用于稀疏目标环境，在杂波背景下关 联错误率较高；PDA算法和JPDA算法考虑了落入相关波门内的所有候选回波，依据候选回 波加权后的等效回波对目标状态进行更新，主要利用目标的位置信息完成对目标的关联。

第二类是对当前时刻以前的所有确认量测集合进行研究给出每一个量测序列的概率，是 一种最优的贝叶斯算法，主要包括最优贝叶斯算法和多假设法。其中，最优贝叶斯算法利用 空间积累信息和时间积累信息，综合考虑航迹附近的所有量测点迹，提供密集杂波环境下最 优的性能；多假设法是以“全邻”最优滤波器和“聚”的概念为基础，将第一类贝叶斯算法 看成它的一个子集进行处理，是理想条件下的最优方法。

综上可知，传统的数据关联方法利用的目标信息是有限的，主要包括目标的位置、速度 等状态信息。实际上，目标反映在雷达屏幕上的回波图像包含着丰富的信息：同一时刻，不 同目标回波的能量、形状和方向性等特征存在一定差异；不同时刻，同一目标回波的能量、 形状和方向性等特征会发生变化，但存在着时间相关性和空间相关性。

在密集杂波背景下，采用现有的数据关联方法会产生较多的虚假航迹，特别是多个目标 距离较近时，更容易出现对目标误跟踪和跟丢的情况。因此，针对此问题背景下的数据关联 算法还有待进一步研究。

发明内容

本发明的目的在于利用目标回波的特征信息，提供一种杂波背景下目标数据关联的多特 征信息融合方法，其中要解决的技术问题包括：

(1)雷达监视区域内目标运动状态复杂多样，传统方法对目标统一处理错误关联概率 较高，需要合理设置速度区间，对目标分类处理；

(2)合理设置关联波门，在密集杂波背景下减少落入关联波门内的虚假点迹，提升算 法执行效率；

(3)合理利用目标回波特征信息，在目标密集的环境下降低错误关联的概率。

本发明所述的目标数据关联的多特征信息融合方法，其特征在于包括以下技术措施：

步骤一、点迹预处理：对数据录取器送来的点迹进行预处理，利用点迹的辅助信息对数 据进行筛选，并将筛选后的所有数据按帧存储；

步骤二、目标分类：依据目标速度信息采用速度分区法将目标划分为三类，慢速运动目 标、中速运动目标和快速运动目标；

步骤三、点-点关联：采用m/n逻辑法进行航迹起始，对于不同类别的目标使用不同的点 -点关联策略；

步骤四、点-航关联：依据目标状态方程对目标航迹进行外推，以外推点为中心，依据贝 叶斯类的数据关联算法设置椭圆相关波门，若雷达测得的目标直角坐标系下的转换量测值 z(k+1)满足：