[发明专利]一种基于似然函数近似的分布式多传感器检测前跟踪方法

说明书

本发明公开了一种基于似然函数近似的分布式多传感器检测前跟踪方法，属于目标检测领域，特别设计了多传感器分布式融合和微弱目标检测跟踪技术领域。首先，每个本地传感器利用当前时刻回波数据计算似然函数；然后，通过多项式加权方法对似然函数进行近似并将相应近似参数传递至融合中心；最后，融合中心利用各传感器传递的近似参数对本地似然函数进行恢复，并利用恢复得到近似似然函数完成动态规划检测前跟踪算法值函数积累，实现目标检测。一方面，该方法采用分布式处理方法，本地传感器分担了一部分算法计算量降低了融合中心的计算负担。另一方面，该方法利用似然函数近似的方法解决了多传感器动态规划分布式处理中传输代价大的问题。

技术领域

本发明属于目标检测领域，特别设计了多传感器分布式融合和微弱目标检测跟踪技术领域。

背景技术

由于不同传感器间的信息共享和互补，多传感器系统和传统单传感器系统相比具有更高的目标航迹估计精度、更好的容错性能等多种优势，近年来被广泛应用和研究。在多传感器系统中，目前常用的目标检测跟踪方式多为单帧检测结合后续滤波算法的模式，即：在每个时刻先对回波数据进行门限检测然后采用卡尔曼滤波等方法利用检测后的点迹数据对目标航迹进行跟踪。当目标信噪比比较高时，这种处理方法能够较好的恢复目标航迹，但当目标信噪比比较低时，由于目标往往无法在单帧检测时通过检测门限，该方法导致目标航迹断裂、目标漏检等情况。这导致系统的检测跟踪性能大大下降，即使利用多传感器系统的平台优势也无法很好的补偿。

动态规划检测前跟踪算法是近年来新提出的一种目标检测算法。它不在每个时刻对回波数据进行检测，而是直接联合处理多个扫描周期内的回波数据，避免了目标的信息损失，具有很好的微弱目标检测跟踪能力。目前，该方法也逐渐被应用的多传感器系统中，进一步提升多传感器系统的性能。多传感器动态规划检测前跟踪方法有两种实现方式：集中式和分布式。但这两种方式都存在着一定的不足。在集中式处理中，融合中心需要联合处理所有传感器多个扫描周期未门限检测的原始数据，承担严重的计算负担。在分布式处理中，各传感器首先计算本地似然函数，然后传递到融合中心进行处理，这虽然分担了一部分融合中心的计算负担，但传递所有状态似然函数至融合中心导致系统所需传输代价大大增加。

发明内容

本发明所要解决的技术问题是，提供一种能够高效实现的多传感器动态规划检测前跟踪算法。

本发明为解决上述技术问题所采用的技术方案是，一种基于似然函数近似的分布式多传感器检测前跟踪方法，包括以下步骤：

步骤1:初始化系统参数；

初始化系统参数，包括：系统包含的传感器数目M，各传感器位置P_m，m＝1,…,M，传感器回波数据平面大小N_x×N_y，系统噪声分布为瑞利分布，算法联合处理周期数K，似然函数近似阶数R；初始化变量k＝1；

步骤2：接收回波数据；

第m个传感器接收第k帧回波数据z_k,m，并传递融合中心；其中m＝1,…,M,Z_k,m＝{z_k,m(x,y),x＝1…N_x,y＝1…N_y}为k时刻第m个传感器所有分辨单元的量测值集合，z_k,m(x,y)表示第(x,y)个分辨单元的量测值；

步骤3：计算传感器m，k时刻本地似然函数；

利用回波数据Z_k,m计算当前时刻状态空间每个离散状态j＝1,…,J的本地似然函数：

其中，x_k,y_k表示k时刻状态的x,y方向上的位置，表示对应的速度，表示第j个离散状态中的第i个元素，J表示离散状态的总个数；分别表示(x,y)单元存在目标和不存在目标时量测的概率分布，由系统量测模型确定；