[发明专利]结合幅值信息的PHD滤波多目标跟踪方法

说明书

技术领域

本发明涉及一种雷达数据处理方法，特别是涉及一种多目标跟踪滤波方法，适应于密集杂波环境下雷达对多目标的跟踪。

背景技术

随着现代科技的迅猛发展，空间技术的日新月异，目标监控范围已经发展到陆、海、空、天、电磁五维空间，同时目标所处的电磁环境日益复杂，目标监控的种类和数量也不断增多，给雷达的探测跟踪性能带来了严峻的挑战。由于噪声、杂波以及数据关联和检测等的不确定性，对多目标进行跟踪需要从个数时变的量测中估计出目标个数不确定的各目标状态，这就要求算法能够同时对目标个数和状态进行估计，因此密集杂波环境下的多目标跟踪已成为目标跟踪领域的难点问题之一。如何综合各种量测信息，实现密集杂波环境下雷达对多目标的有效跟踪，对提高雷达的探测跟踪性能具有重要意义。传统的多目标跟踪算法主要有联合概率数据互联(JPDA)和多假设跟踪(MHT)等，其中基于JPDA的多目标跟踪方法由于具有跟踪精度较高的优点，在多目标跟踪领域受到广泛研究。该方法主要通过以下步骤实现：

(1)量测获取；

(2)确认矩阵的拆分；

(3)联合事件概率的计算；

(4)状态估计和协方差的计算。

基于JPDA的多目标跟踪方法具有以下三个缺陷：(1)没有利用目标的幅值信息，造成有用量测信息的丢失；(2)要求目标个数固定，受到实际应用的限制；(3)计算量随量测个数的增加而爆炸增长，从而不能适应密集杂波环境。

发明内容

本发明的目的是提出一种结合幅值信息的PHD滤波多目标跟踪方法，解决基于JPDA的多目标跟踪方法没有充分利用量测信息，要求目标个数固定，以及不适应密集杂波环境等问题。

本发明提出的结合幅值信息的PHD滤波多目标跟踪方法的技术方案包括以下步骤：

步骤1：变量初始化

(1)K为总仿真时间，T表示雷达采样间隔；

(2)γ₀为目标出现初始数，L₀为代表一个目标所需要的粒子数，J_k为k时刻搜索新目标的粒子数，L_k为k时刻粒子总数；

(3)为目标平均信噪比，为虚警概率，τ为虚警概率对应的检测门限；

(4)γ_k(x)为目标出现初始分布，κ_k(z)为杂波分布；

(5)为扩展单目标状态转移矩阵，为扩展过程噪声控制矩阵；

(6)为扩展过程噪声协方差，为扩展量测噪声协方差；

步骤2：令k＝0，进行滤波器初始化

(1)对任意i∈{1,2,…,L₀}，根据目标出现初始分布γ₀(x)生成粒子根据目标平均信噪比确定其中包含目标的位置信息和速度信息为目标的信噪比信息，符号T表示转置，

(2)对任意i∈{1,2,…,L₀}，令对进行扩维，得到新粒子并赋予该粒子权重得到初始粒子集

步骤3：令k＝k+1，获得k时刻的雷达量测

将雷达接收到的信号进行A/D变换，得到k时刻的雷达扩展量测集送雷达数据处理计算机，其中为k时刻雷达获得的第i个扩展量测，包含目标的位置信息z_k和幅值信息a_k，N_k为k时刻的量测个数；

步骤4：粒子集预测

(1)对任意i∈{1,2,…,L_k-1}，根据k-1时刻粒子状态和扩展单目标状态转移矩阵进行一步预测，得到粒子

并赋予该粒子权重得到粒子集其中为零均值的高斯白噪声，其协方差为

(2)对任意i∈{L_k-1+1,L_k-1+2,…,L_k-1+J_k}，根据目标出现初始分布γ_k(x)采样粒子并根据目标信噪比采样然后令并赋予该粒子权重得到粒子集

(3)将粒子集和粒子集合并得到新的粒子集

步骤5：粒子集更新

(1)对任意i∈{1,2,…,L_k-1+J_k}，根据预测的粒子状态和量测方程h_k(x)获得预测的量测

(2)对任意i∈{1,2,…,L_k-1+J_k}，利用k时刻的扩展量测集计算粒子权重