[发明专利]具有形状信息的多个群目标跟踪方法

说明书

本发明公开了一种具有形状信息的多个群目标跟踪方法，包括以下步骤：建立模型步骤，对群目标建立运动模型和雷达的量测模型；分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。本发明的具有形状信息的多个群目标跟踪方法，通过在群状态中增加随机矩阵描述群目标形状，不仅节省了雷达跟踪资源并且通过实时估计群形状为驾驶员提供更多参考信息，更具有实际应用价值。

技术领域

本发明涉及相控阵雷达系统技术领域，特别是雷达目标跟踪技术领域。

背景技术

群目标可以看做是一组彼此相距很近，短时间内速度、运动方向基本一致的目标。群目标跟踪在地面或海面目标监控，多目标编队运动、人群或兽群跟踪等领域有重要的应用价值。群目标跟踪可以解决密集目标跟踪困难的问题，在大多数情况下，群目标不仅有相似的运动特性，又由于群内的个体目标较为密集，在很长时间内处于相互临近的状态。同时受雷达分辨率限制，逐个跟踪群内每个目标精度很低，此时可以对群整体进行跟踪。同时，群的形状是群的一个重要特征，反映了群目标的近期行为和意图，对战场态势评估和军事决策具有非常重要的意义。

目前较多采用的群目标跟踪的方法是将单个群目标的跟踪方法与传统数据关联方法相结合实现多个群目标的跟踪，但这种方法没有估计群的形状信息；现有的群形状估计算法只适用于无杂波漏检环境下，单个群目标的跟踪。例如KOCH等人提出了一种群目标Bayesian递推算法，跟踪群目标的质心状态的同时可以对群目标的形状进行估计。但是它目前仅用于跟踪无杂波条件下的单个群目标；Feldmann对群目标跟踪Bayesian算法进行了改进，考虑了量测不确定性对目标形状估计的影响。但它也仅用于跟踪单个群目标。

发明内容

本发明为了解决现有算法中无法对多个群目标进行跟踪的技术问题，提出了一种具有形状信息的多个群目标跟踪方法，可以解决上述问题。

为了解决上述技术问题，本发明采用以下技术方案予以实现：

一种具有形状信息的多个群目标跟踪方法，包括以下步骤：

建立模型步骤，对群目标建立运动模型和雷达的量测模型；

分群处理步骤，将雷达初始时刻所获得的量测划分到不同的群目标并给各群目标确定起始航迹；

群航迹关联步骤，将当前时刻的各量测分别与前一时刻的群目标航迹进行关联；

分别对各群目标进行滤波跟踪步骤，对各个群目标的运动状态信息和形状进行预测更新。

进一步的，建立模型步骤中，

所建立的运动模型为：

x_k＝F_kx_k-1+w_k

雷达的量测模型为：

z_k＝H_kx_k+v_k

其中，x_k为k时刻群目标的运动状态向量，F_k为状态转移矩阵，w_k为过程噪声，为零均值的高斯白噪声，即w_k～N(0,Q_k)，Q_k为过程噪声协方差，H_k为量测矩阵，v_k为量测噪声，是零均值的高斯白噪声，即v_k～N(0,λX_k+R_k)。

进一步的，分群处理步骤中包括以下子步骤：