[发明专利]一种基于动态多维分配的被动多源多目标跟踪方法

权利要求书

1.一种基于动态多维分配的被动多源多目标跟踪方法，其特征在于：所述基于动态多维分配的被动多源多目标跟踪方法包括以下步骤：

步骤一：利用k-1时刻的目标的状态，建立对应于该目标的航迹p的预选波门

步骤二：利用步骤一构建的预选波门以及k-1时刻的航迹p和各传感器的观测值组合构建代价函数并依据航迹p和观测值之间一一对应的关系构建二值变量

步骤三：利用步骤二构建的代价函数和二值变量构建全局关联代价函数，得到S+1-D分配公式，并给出约束条件；所述S表示传感器的个数，D表示维度；

约束条件的具体过程为：

步骤四：利用拉格朗日松弛算法对步骤三的约束条件进行松弛，对S+1-D分配公式进行降维处理，得到二维分配公式；

步骤五：利用广义拍卖算法计算步骤四所得的二维分配公式的对偶解；

步骤六：根据步骤五对约束条件进行实施，初始化次梯度向量，利用次梯度向量对拉格朗日乘子更新；

步骤七：迭代执行步骤四至步骤六，获得S+1-D分配公式的代价值J_S和使分配结果的原始解后，得到航迹p和对应观测值的分配组合；

步骤八：根据步骤七得到的观测值的分配组合对目标当前时刻的位置利用似然函数进行最大似然估计；

步骤九：利用步骤八得到的位置的最大似然估计，根据卡尔曼滤波方法估计目标状态，用状态估计值更新航迹，实现多目标跟踪。

2.根据权利要求1所述的一种基于动态多维分配的被动多源多目标跟踪方法，其特征在于：所述步骤一中利用k-1时刻的目标的状态，建立对应于该目标的航迹p的预选波门的具体过程为：

其中表示k-1时刻目标位置的估计值，表示k-1时刻目标速度的估计值，h_s(X)是传感器s的观测方程，是h_s(X)关于X的偏导数，是k时刻状态转移函数，和分别是k-1时刻目标状态和状态协方差矩阵估计值，和分别是k时刻目标状态和状态协方差矩阵的预测值，通过对k-1时刻目标状态进行预测得到k时刻目标状态的预测值是k-1时刻过程噪声协方差矩阵，是传感器s观测的预测值，表示传感器s的观测协方差矩阵的预测值；是目标在k时刻的预测位置，(x_s,y_s)是传感器s的位置，h_s(X)是传感器s的量测方程，z是传感器s的k时刻的观测值，是观测噪声方差；τ是预先设定的阈值。

3.根据权利要求2所述的一种基于动态多维分配的被动多源多目标跟踪方法，其特征在于：所述步骤二中利用步骤一构建的预选波门以及k-1时刻的航迹p和各传感器的观测值组合构建代价函数并依据航迹p和观测值之间一一对应的关系构建二值变量的具体过程为：

其中代价函数表示观测组合中的观测值来源于目的代价，表示观测组合来源于目标的概率，表示观测组合来源于伪信号源的概率，表示空集，X_p为k时刻目标状态的真实值，为k时刻目标状态的估计值，用k时刻目标状态的预测值代替是观测向量基于目标状态估计值的条件均值，H是S个传感器组合的堆叠观测函数，由单个传感器的观测方程组成，H_X是堆叠观测函数H的偏导数，是观测向量的条件概率密度函数，是传感器s的探测概率，u(i_s)是二值函数，ψ_s是传感器s监督区域的体积，则代价函数具体表示为：

依据航迹p和观测值间一一对应的关系，二值变量的具体公式为：